OBJAŠNJENJE

Prijevod nije generiranje

FAMILIAR ISTRAŽIVANJEAŽURIRANO SVI ČLANCI
PROČITAJTE NAEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

SAŽETAK

Ne „generativni AI“, nego prijevod u službi kreativaca. Generiranje i prevođenje dva su različita glagola. Generiranje iz upita stvara nešto čega nije bilo. Prevođenje uzima ono što već postoji, izvedbu, i prenosi to u drugi jezik. Familiar je nova paradigma, prva takve vrste: multimodalni model odlučivanja o lokalizaciji (MLDM), prvi temeljni model za multimodalno prevođenje. Glumac, tempo i scena ostaju; riječi, usta i glasovni zapis mijenjaju se kako bi odgovarali novom jeziku.
PRVI TEMELJNI MODEL ZA MULTIMODALNO PREVOĐENJE

Dva glagola

Generativni AI odličan je za stvaranje novih stvari: unosi se upit, izlazi novi sadržaj, a smisao je upravo u tome da je rezultat nov. Prijevod ima suprotan cilj.

PrijevodDRUGI GLAGOL

Unosi se izvedba, a izlazi ista izvedba na drugom jeziku.

GENERIRATI

  • Ulaz: upit
  • Izlaz: novi sadržaj
  • Mjerilo: koliko je rezultat nov i dobar

PREVESTI

  • Ulaz: gotova izvedba
  • Izlaz: ista izvedba na drugom jeziku
  • Mjerilo: koliko ostaje vjerna izvorniku

Svakog prevoditelja, čovjeka ili stroj, ocjenjujemo po tome koliko malo izmišlja.

Što ostaje, što se mijenja

Glumac
MIJENJA SERiječi
Lice
MIJENJA SEPokreti usana
Tempo
MIJENJA SEGlasovni zapis, na novom jeziku
Zvuk scene: smijeh, glazba, ambijent
MIJENJA SE

Glas na novom jeziku glumčev je vlastiti, uzet iz samog isječka. Imena i poštapalice ostaju točno kako su izgovoreni, zahvaljujući popisu Ne prevoditi; šale se prepisuju tako da sjednu na ciljnom jeziku.

Zašto je sinkronizacija usana dio prijevoda

Ljudi govor ne čuju samo ušima. U McGurkovu efektu glas koji izgovara [b], presnimljen preko lica koje izgovara [g], obično se čuje kao [d], glas koji nije nosio nijedan od dva kanala (Tiippana, 2014, o radu McGurka i MacDonalda iz 1976.). Mozak spaja ono što vidi s onim što čuje.
GLAS [b] + LICE [g] = ČUJE SE [d]

Sinkronizacija samo glasa ostavlja taj nesklad u svakoj sličici: usta govore jedan jezik, a zvučni zapis drugi, pa je razumijevanje teže. Zato su usta dio poruke. Prevesti izvedbu znači prevesti usne zajedno s riječima, pa se u Familiarovoj sinkronizaciji usne miču uz nove riječi (česta pitanja, „Zašto je sinkronizacija usana važna?“).

Kreativni direktori pregledavaju prije objave

Neke se replike mogu shvatiti na više načina: šala, bockanje, rečenica koja zvuči iskreno ili suho. One se vraćaju kao tri prijevoda s različitom namjerom i emocijom; isto vrijedi za žargon zadržan kako je izgovoren i psovke ublažene za mlađu publiku. Tim odabere jedan, uredi bilo koji redak uz izvornik i tek onda pokreće render.

MLDM za zamorni dio posla.

Zamorni dio sinkronizacije je odlučivanje o glasu i o tome kako usne prate riječi, za svaki redak na svakom jeziku. MLDM o tome odlučuje i svaku odluku bilježi uz zadatak, pa vaš tim bilo koju od njih može promijeniti. U izradi: odabir zvukova koji ostaju na izvornom jeziku, skandiranja ili povika, te lica ili teksta u kadru koji treba prevesti. Izbori koji sinkronizaciju čine dobrom, koja šala sjeda, koji ton pristaje, koje ime ostaje, ostaju ljudima koji su djelo stvorili.

++
Sve podatke na kojima smo trenirali svoj model napravio je sam Familiarov tim.

Mi smo još jedan alat u kreativnom procesu.

PITANJA

Je li Familiar generativni AI?

Ne. Familiar je multimodalni model odlučivanja o lokalizaciji (MLDM): odlučuje kako lokalizirati ono što već postoji, bez upita. Unosite svoj video, a ista izvedba izlazi na drugom jeziku. Sve podatke na kojima smo trenirali svoj model napravio je sam Familiarov tim. Mi smo još jedan alat u kreativnom procesu.

Što se događa s mojom glazbom i zvučnim efektima?

Ostaju. Smijeh, glazba i basovi, zvučni efekti i ambijent ostaju ispod novog dijaloga.

Mogu li ispraviti prijevod?

Možete. Svaki se video zaustavlja na zaslonu za pregled, gdje bilo koji redak uređujete uz izvornik prije rendera.

IZVORI

  1. [1]Tiippana, K. (2014). What is the McGurk effect? Frontiers in Psychology 5:725, pročitano 24. listopada 2026.
  2. [2]Familiar, česta pitanja: Zašto je sinkronizacija usana važna?
  3. [3]AI sinkronizacija usana: što je, što joj promiče, što je nadmašuje
  4. [4]Zašto Familiar nije generativni AI u tradicionalnom smislu
  5. [5]Još jedan alat u kreativnom procesu

Multimodalno prevođenje

Familiar Labs gradi generacijski bolju sinkronizaciju pomoću multimodalnog modela odlučivanja o lokalizaciji (MLDM), prvog temeljnog modela za multimodalno prevođenje: jedan model odlučuje što lokalizirati u tekstu, zvuku i slici te vam pokazuje izbore. Vaš glas i vaše usne, preneseni u nove jezike. Tim od 8 ljudi s doktoratima, uz podršku Samsunga, RedBirda i Gold Housea. Naša misija

Pogledajte cijeli benchmark →Razgovarajte s timom