オピニオン

人から人へ、AIからAIへではなく

質の高いコンテンツが、これからも人のものであり続ける理由。

FAMILIAR 研究記事一覧

要旨

AIの人間には、共感できません。少なくとも私たちの多くは、同じ深さでは共感できません。私たちが演技を観るのは、生身の人間がむき出しの感情を演じていると知っているからです。AIはいくらでもリアルになるでしょう。それでも、AIだと知った瞬間に共感は薄れます。Familiarが品質のレーンを選ぶ理由は、まさにそこにあります。

共感

すべては感情です。生身の人間がむき出しの感情を演じていると分かるから、私たちはその人と一緒に感じます。声さえ聞ければいいという視聴者もいますが、大半は見分けがつきます。しかも、いずれにせよラベルは付きます。大手プラットフォームは、AIで作られたコンテンツにその旨を表示しています。だから、画質が上がっても溝は埋まりません。埋まるのは、演じているのが本物の人であるときだけです。

スターの力

私たちはスターが好きです。見覚えのある顔と、すばらしい演技があるから、その作品を観ます。本当は本人でないとなれば、スターの力は弱まり、それを軸に組み立てた大作の力も一緒に弱まります。

声
本人のままスター本人の演技を、制作側の同意のもとで別の言語へ運ぶ。
本人ではない本人のものではない声が、本人の台詞を読む。
顔
本人のまま同じ顔、同じテイク。口元が新しい言葉に合わせて動く。
本人ではない本人ではない俳優。
亡くなった出演者
本人のまま本人が残した演技。それをローカライズするのは権利者。
本人ではない本人が一度も同意していない新しい作品。遺族側が署名していても、私たちは手がけません。

吹き替えが残すもの

AIからAIへ、ではなく。人から人へ。

吹き替えは、すべてをそのまま保ちます。人も、演技も、シーンも、音楽も。変わるのは言語だけです。だからこそ私たちは、映像モデルではなく意思決定モデルをつくりました。画面の誰がその台詞を言っているのか、ささやきから叫びまでの感情、どの名前やブランドをそのまま残すか、映像の中の文字が何と書いてあるか。何ひとつ作り出しません。運ぶのです。

手間をかけて作られたAIコンテンツ

AIを使って作るコンテンツも、AIが作るコンテンツも出てきます。中には本気の手間をかけて作られるものもあるでしょう。そうしたコンテンツにも、やはり吹き替えが必要です。汎用モデルには、同じシーンを新しい言語で、正しい人に話させ、笑い声も音楽もそのまま、画面の文字も差し替えて、もう一度やり直すことはできません。しかも翻訳は、最高の汎用モデルでさえ自力ではつまずくところです。伝わらないジョーク、訳されてしまう名前、新しい言語では悪い意味になるスラング、その文化が避ける話題。手間をかけずに作られたコンテンツは、吹き替える価値がないでしょう。文化ごとに作り直されるだけです。それで構いません。私たちが手がけるのは、そこではありません。

そして、そもそも作り直せないコンテンツもあります。

スポーツ
試合は一度きり。やり直せるものは何もありません。
ライブ配信
チャットと一緒に、いま起きていること。ファイルではなく、その瞬間です。
リアリティ番組
台本のない人たち。撮れたテイクが、唯一のテイクです。
ドキュメンタリー
実在の人が、本当のことを、一度だけ語る。

その場の瞬間は、運ぶことしかできません。私たちの次のバージョンは、そこを目指しています。

2つのレーン

速さのレーン。一度アップロードして、出てきたものを受け取るだけ。制御はできず、翻訳もレビューできません。品質のレーン。人も、演技も、シーンもそのまま。すべての判断は記録され、どれもあなたが上書きできて、しかも一度で仕上がります。私たちは、あえて後者を選びました。

HeyGenHeyGenElevenLabsElevenLabsHeyGen + 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

品質のレーンが積み上がる理由

作品を手がけるたびに、記録が積み上がっていきます。その文化が何を避けるか、どのスラングが悪い意味に変わるか、汚い言葉をどこまで許すか、正しい用語、ジョークをどう伝えるか。一度決めた選択は、次のエピソードにも引き継がれます。汎用の映像モデルは、ある言語にローカライズできるようになるずっと前から、その言語で生成できるようになります。私たちは30言語で取り組み、その機微が積み重なっていきます。

++
人から人へ、より多くの人のもとへ届けます。
人から人へ品質のレーン

マルチモーダル翻訳

Familiar Labsは、マルチモーダル・ローカライゼーション意思決定モデル(MLDM)で次世代の吹き替えを手がけています。MLDMは、マルチモーダル翻訳のための初の基盤モデルです。テキスト、音声、映像のすべてにわたって何をローカライズするかをひとつのモデルが判断し、選択肢をあなたに示します。あなたの声と口元を、新しい言語へ。博士を擁する8人のチームを、Samsung、RedBird、Gold Houseが支援しています。 私たちのミッション