Od čovjeka do čovjeka, a ne od AI-ja do AI-ja

01. Suosjećanje

Sve je u emociji. Znamo da stvarni čovjek izvodi sirove emocije i proživljavamo ih s njim. Dio publike samo želi čuti glasove; većina ipak primijeti razliku. A oznaka dolazi u svakom slučaju: velike platforme označavaju sadržaj koji je napravio AI. Zato se jaz ne zatvara kad pikseli postanu bolji. Zatvara se samo kad je osoba stvarna.

02. Zvjezdani sjaj

Volimo zvijezde. Seriju gledamo zbog prepoznatljivog lica i sjajne izvedbe. Kad to zapravo nisu oni, zvjezdani sjaj blijedi, a s njim i velika produkcija izgrađena oko njega.

03. Što sinkronizacija čuva

Sinkronizacija sve drži nepromijenjenim: osobu, izvedbu, scenu, glazbu. Mijenja se samo jezik. Zato smo izgradili model odlučivanja, a ne video model: tko na ekranu izgovara repliku, emocija od šapta do vike, koje ime ili brend ostaje kakav jest, što piše u tekstu u kadru. Ništa se ne izmišlja. Sve se prenosi.

04. Sadržaj koji je napravio AI, uz trud

Bit će sadržaja napravljenog uz pomoć AI-ja i sadržaja koji je napravio AI, a dio toga nastat će uz pravi trud. Takvom sadržaju i dalje treba sinkronizacija. Opći model ne može ponovno odigrati istu scenu na novom jeziku tako da govori prava osoba, da smijeh i glazba ostanu netaknuti, a tekst na ekranu bude zamijenjen. A prijevod je mjesto gdje i najbolji opći modeli sami posrću: šala koja ne sjedne, ime koje se prevede, žargonska riječ koja u novom jeziku ima ružno značenje, tema koju ta kultura izbjegava. Sadržaj napravljen bez truda neće se isplatiti sinkronizirati; jednostavno će se iznova napraviti za svaku kulturu. To je u redu. Nismo za njega.

A neki se sadržaj uopće ne može iznova napraviti:

Trenutak uživo može se samo prenijeti. Tamo ide naša sljedeća verzija.

05. Dvije trake

Brza traka: jedan prijenos i uzmete što god izađe, bez kontrole, s prijevodom koji ne možete pregledati. Traka kvalitete: osoba, izvedba i scena ostaju, svaka se odluka bilježi i svaku možete promijeniti, u jednom prolazu. Drugu smo traku odabrali namjerno.

HeyGenElevenLabsHeyGen + ElevenLabsONE-SHOT TOOLS · NO CONTROL

One shot today means giving up the rest.

The one-shot tools today give up the rest: the translation cannot be edited, the music and the room drop out, the voice drifts, and the lips fail on a hand over the face, a microphone, blur, bokeh, a side view or several people in frame. No spatial reasoning, no understanding of the world, no control. ElevenLabs' current Dubbing v2 edits only through an Enterprise API, and its full editor is the older model, in maintenance mode; HeyGen stitches a lip-sync over a dub like that, and the lip-sync breaks on the ordinary shots of any episode. Familiar is one shot and the quality: translation first, reviewed; then the voice, the lips and the scene together, through the hard shots.

54.7%

FEWER TRANSLATION ERRORS · FAMILIAR VS ELEVENLABS DUBBING V2

270%

ELEVENLABS MORE BACKGROUND-SOUND ERROR · THE LAUGHTER, THE MUSIC, THE AMBIENCE

+27.8%

FAMILIAR CLOSER TO THE REAL SPEAKER

FAMILIAR · ONE SHOT AND THE QUALITYFamiliar vs Flawless TrueSync →The ElevenLabs study →The demos →

06. Zašto se traka kvalitete s vremenom isplati

Svaki naslov nadopunjuje zapis: što ta kultura izbjegava, koji žargon postaje ružan, dokle idu psovke, pravi izrazi, kako šala sjedne. Izbor donesen jednom vrijedi i za sljedeću epizodu. Opći video modeli mogu generirati na nekom jeziku mnogo prije nego što na njega mogu lokalizirati; mi radimo na 30 jezika, a nijanse se gomilaju.

++

Od čovjeka do čovjeka, za sve širu publiku.