PENJELASAN

Terjemahan Bukan Pembuatan Konten Baru

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. Membuat dan menerjemahkan adalah dua kata kerja berbeda. Membuat berarti mengambil sebuah prompt dan menghasilkan sesuatu yang sebelumnya tidak ada. Menerjemahkan berarti mengambil sesuatu yang sudah ada, sebuah penampilan, lalu membawanya ke bahasa lain. Familiar adalah paradigma baru, yang pertama dari jenisnya: Model Keputusan Lokalisasi Multimodal (MLDM), model fondasi pertama untuk terjemahan multimodal. Aktor, timing, dan adegannya tetap; kata-kata, gerak mulut, dan trek suaranya berubah mengikuti bahasa baru.
MODEL FONDASI PERTAMA UNTUK TERJEMAHAN MULTIMODAL

Dua kata kerja

AI generatif adalah alat yang baik untuk membuat hal baru: sebuah prompt masuk, konten baru keluar, dan intinya justru hasilnya baru. Terjemahan punya tujuan yang berlawanan.

TerjemahanKATA KERJA YANG LAIN

Sebuah penampilan masuk, dan penampilan yang sama keluar dalam bahasa lain.

MEMBUAT

  • Masuk: sebuah prompt
  • Keluar: konten baru
  • Diukur dari: seberapa baru dan bagus hasilnya

MENERJEMAHKAN

  • Masuk: penampilan yang sudah jadi
  • Keluar: penampilan yang sama dalam bahasa lain
  • Diukur dari: seberapa setia hasilnya pada versi asli

Penerjemah mana pun, manusia atau mesin, dinilai dari seberapa sedikit yang ia karang.

Yang tetap, yang berubah

Aktornya
BERUBAHKata-katanya
Wajahnya
BERUBAHGerak mulutnya
Timing-nya
BERUBAHTrek suaranya, dalam bahasa baru
Suara adegannya: tawa, musik, suasana ruangan
BERUBAH

Suara dalam bahasa baru adalah suara sang aktor sendiri, diambil dari klipnya. Nama dan ciri khas ucapan tetap persis seperti yang diucapkan lewat daftar Do Not Translate; lelucon ditulis ulang agar tetap mengena dalam bahasa tujuan.

Mengapa lip-sync adalah bagian dari terjemahan

Kita tidak mendengar ucapan hanya dengan telinga. Dalam efek McGurk, suara yang mengucapkan [b] yang di-dubbing ke wajah yang mengucapkan [g] biasanya terdengar sebagai [d], bunyi yang tidak dibawa oleh kedua saluran itu (Tiippana, 2014, yang menguraikan McGurk dan MacDonald, 1976). Otak memadukan apa yang dilihat dengan apa yang didengar.
SUARA [b] + WAJAH [g] = TERDENGAR [d]

Dubbing yang hanya mengganti suara meninggalkan ketidakcocokan itu di setiap frame: mulutnya mengucapkan satu bahasa, soundtrack-nya bahasa lain, sehingga pemahaman jadi lebih sulit. Artinya, mulut adalah bagian dari pesannya. Menerjemahkan sebuah penampilan berarti menerjemahkan bibir bersama kata-katanya, itulah sebabnya dubbing Familiar menggerakkan bibir mengikuti kata-kata baru (FAQ, "Mengapa lip-sync penting?").

Creative director me-review sebelum dirilis

Sebagian baris bisa dibaca lebih dari satu cara: sebuah lelucon, sindiran, atau kalimat yang terdengar tulus atau datar. Baris seperti itu kembali sebagai tiga versi terjemahan dengan maksud dan emosi yang berbeda; begitu pula slang yang dibiarkan apa adanya dan kata-kata kasar yang diperhalus untuk versi penonton yang lebih muda. Tim memilih satu, mengedit baris mana pun dengan membandingkannya dengan versi asli, dan baru setelah itu menjalankan render.

MLDM untuk pekerjaan yang membosankan.

Bagian yang membosankan dalam dubbing adalah memutuskan suara mana dan bagaimana bibirnya mengikuti, untuk setiap baris dalam setiap bahasa. MLDM yang memutuskannya dan mencatat setiap keputusan bersama pekerjaan dubbing-nya, sehingga tim Anda bisa mengganti keputusan mana pun. Sedang dikembangkan: memilih suara mana yang tetap dalam bahasa aslinya, entah yel-yel atau teriakan, serta wajah atau teks di layar mana yang diterjemahkan. 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.

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

Kami adalah satu alat lagi untuk proses kreatif.

PERTANYAAN

Apakah Familiar itu AI generatif?

Bukan. Familiar adalah Model Keputusan Lokalisasi Multimodal (MLDM): model ini memutuskan cara melokalisasi apa yang sudah ada, tanpa prompt. Video Anda masuk, penampilan yang sama keluar dalam bahasa lain. Semua data yang kami pakai untuk melatih model kami dibuat sendiri oleh tim Familiar. Kami adalah satu alat lagi untuk proses kreatif.

Apa yang terjadi pada musik dan efek suara saya?

Semuanya tetap. Tawa, musik dan bass-nya, efek suara, serta suasana ruangannya bertahan di bawah dialog yang baru.

Bisakah saya memperbaiki terjemahannya?

Bisa. Setiap video ditahan di layar review, tempat Anda mengedit baris mana pun dengan membandingkannya dengan versi asli sebelum render.

REFERENSI

  1. [1]Tiippana, K. (2014). What is the McGurk effect? Frontiers in Psychology 5:725, dibaca 24 Oktober 2026
  2. [2]FAQ Familiar: Mengapa lip-sync penting?
  3. [3]AI Lip Sync: Apa Itu, Apa yang Terlewat, dan Apa yang Lebih Baik
  4. [4]Mengapa Familiar Bukan AI Generatif Tradisional
  5. [5]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