POSISI

Penampilan yang Sama untuk Setiap Penonton

RISET FAMILIARDIPERBARUI SEMUA ARTIKEL
BACA DALAM BAHASAEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

ABSTRAK

Bukan “AI generatif”, melainkan terjemahan untuk memberdayakan insan kreatif. Semua orang di seluruh dunia berhak mendapat kualitas yang sama: insan kreatif dan aktor tampil mulus dalam bahasa apa pun, menjangkau penonton baru. Penonton di Seoul, São Paulo, atau Warsawa semestinya mendapat apa yang diterima penonton aslinya: aktor yang sama, penampilan yang sama, timing yang sama, dan suara adegan yang utuh, dalam bahasanya sendiri.

Yang diterima penonton aslinya

SUARANYA
Penonton pertama mendengar suara sang aktor sendiri.
BIBIRNYA
Mereka melihat bibir yang cocok dengan kata-katanya.
TIMING-NYA
Mereka merasakan timing yang dipilih sutradara: jeda sebelum punchline, tawa yang memotong dialog, musik di bawah adegannya.

Penonton lainnya biasanya menerima lebih sedikit: subtitle yang harus dibaca di atas gambar, atau suara orang asing dengan gerak mulut yang tidak sinkron. Karyanya sama. Pengalamannya tidak.

Arti kata sama

DALAM DUBBING FAMILIAR

SUARA
YANG TETAPSuara sang aktor sendiri, diambil dari klipnya
YANG BERUBAH
BIBIR
YANG TETAP
YANG BERUBAHDicocokkan dengan bahasa baru, sehingga mata dan telinga sepakat
PEMBAWAAN
YANG TETAPTiming, emosi, dan penekanan yang sama dengan versi asli
YANG BERUBAH
SUARA ADEGAN
YANG TETAPTawa, musik dan bass-nya, efek suara, suasana ruangannya
YANG BERUBAH
KATA-KATA
YANG TETAPNama dan ciri khas ucapan dipertahankan lewat daftar Do Not Translate
YANG BERUBAHLelucon ditulis ulang agar mengena

Baris yang bisa dibaca lebih dari satu cara, sebuah lelucon atau sindiran, kembali sebagai tiga versi terjemahan dengan maksud dan emosi yang berbeda. Creative director memilih satu, membiarkan slang apa adanya atau memperhalus kata-kata kasar untuk versi penonton yang lebih muda, dan mengedit baris mana pun dengan membandingkannya dengan versi asli sebelum dubbing di-render. Setiap pilihan dicatat bersama pekerjaan dubbing-nya, sehingga episode berikutnya mengikutinya.

Setiap bahasa datang sebagai video jadi, hingga 4K, dengan mix utuh dalam surround 5.1 asli atau stereo, dalam PCM WAV 24-bit. Subtitle tersedia dalam .srt dan .vtt dari transkrip yang sudah di-review, dipotong sesuai konvensi Timed Text Style Guide Netflix, disertai judul dan deskripsi terjemahan serta trek suaranya saja untuk mix Anda sendiri (FAQ).

Tiga puluh bahasa keluar, 99 masuk

Rekaman bisa masuk dalam 99 bahasa sumber. Dubbing keluar dalam 30 bahasa, dari dan ke bahasa apa saja, dalam tiga tier kualitas, mulai dari yang terbaik dan diurutkan menurut abjad di dalam setiap tier.

TierBahasa
Tier 1Indonesia, Inggris, Italia, Jepang, Jerman, Kanton, Korea, Mandarin, Portugis (Brasil), Prancis (Prancis), Rusia, Spanyol (Amerika Latin), Thailand, Vietnam
Tier 2Belanda, Bulgaria, Katalan, Kroasia, Lituania, Norwegia, Slowakia, Swedia, Yunani
Tier 3Arab, Belarus, Denmark, Kazakh, Latvia, Serbia, Ukraina

Tabel lengkapnya, beserta kodenya, ada di dokumentasi bahasa.

Mengapa sebagian besar dunia tidak pernah mendapat dubbing

Penampilan hebat dalam satu bahasa tetap tinggal dalam satu bahasa.

Dubbing manusia adalah pekerjaan terampil: penerjemah, pengisi suara, sutradara, dan mixer untuk setiap bahasa. Keahlian itulah yang membuat dubbing yang baik terdengar pas, dan itu juga yang membuat dubbing manusia tidak pernah bisa dipakai oleh sebagian besar dunia. Produksi papan atas pun hanya men-dubbing beberapa bahasa, karena biaya, tenaga, dan waktunya. Produksi yang lebih kecil, serial, dan drama vertikal sama sekali tidak di-dubbing.

MLDM untuk pekerjaan yang membosankan.

Bagian yang membosankan dalam dubbing adalah memutuskan suara mana dan bagaimana bibirnya mengikuti, untuk setiap baris dalam setiap bahasa. Paradigma baru, yang pertama dari jenisnya, yang memutuskannya: Model Keputusan Lokalisasi Multimodal (MLDM), model fondasi pertama untuk terjemahan multimodal. Saat ini pilihan-pilihan terjemahannya terbuka bagi tim Anda; memilih suara mana yang tetap dalam bahasa aslinya, wajah mana yang berbicara, dan teks di layar mana yang diterjemahkan sedang dikembangkan. Pilihan yang membuat sebuah dubbing bagus, lelucon mana yang mengena, nada mana yang pas, nama mana yang dipertahankan, tetap di tangan orang-orang yang membuat karya itu.

MODEL FONDASI PERTAMA UNTUK TERJEMAHAN MULTIMODAL
++
Tidak ada yang diciptakan dari prompt dan tidak ada hal baru yang dikarang; setiap frame dan setiap suara berpijak pada baris yang memang sudah diperankan.

Semua data yang kami pakai untuk melatih model kami dibuat sendiri oleh tim Familiar.

Setiap penonton

Saat penampilan yang sama bisa menjangkau setiap penonton, pertanyaannya berubah dari bahasa mana yang sanggup dibiayai sebuah produksi menjadi penonton mana yang ingin ia temui.

Drama vertikal, kuliah, atau film panjang bisa dirilis dalam 30 bahasa dengan aktor yang tetap dirinya sendiri.

Kami adalah satu alat lagi untuk proses kreatif.

PERTANYAAN

Apakah setiap bahasa mendapat kualitas yang sama?

Ke-30 bahasa output membawa suara, lip-sync, dan suara adegannya. Semuanya dikelompokkan ke dalam tiga tier kualitas, mulai dari yang terbaik.

Apakah suaranya tetap suara sang aktor di setiap bahasa?

Ya. Suara di setiap bahasa adalah suara sang aktor sendiri, diambil dari klipnya, dengan timing dan pembawaan yang sama.

Siapa yang memutuskan cara sebuah baris diterjemahkan?

Tim Anda. Baris yang bisa dibaca lebih dari satu cara kembali sebagai tiga opsi; creative director memilih satu dan bisa mengedit baris mana pun sebelum dubbing di-render.

REFERENSI

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates, dibaca 30 Oktober 2026
  2. [2]FAQ Familiar: bahasa, apa yang dipertahankan dubbing, file yang Anda terima
  3. [3]Dokumentasi Familiar: bahasa yang didukung dan tier kualitas
  4. [4]Mengapa Familiar Bukan AI Generatif Tradisional
  5. [5]Terjemahan Bukan Pembuatan Konten Baru
  6. [6]Satu Alat Lagi untuk Proses Kreatif

Terjemahan multimodal

Familiar Labs menghadirkan dubbing yang satu generasi lebih baik dengan Model Keputusan Lokalisasi Multimodal (MLDM), model fondasi pertama untuk terjemahan multimodal: satu model memutuskan apa yang dilokalisasi di teks, audio, dan visual, lalu menunjukkan pilihan-pilihannya kepada Anda. Suara dan gerak bibir Anda, dibawa ke bahasa-bahasa baru. Timnya beranggotakan 8 orang, termasuk para PhD, didukung oleh Samsung, RedBird, dan Gold House. Misi kami

Lihat benchmark lengkapnya →Bicara dengan tim