私たちのミッション
理解を阻むあらゆる壁を壊すために、私たちは存在します。
すべては、ここから始まった。
CEOのAndrew Liuが通うことになった学校で、彼はクラスメートと英語で話せませんでした。学校全体で、アジア人は彼ひとりだけ。友だちは、いませんでした。 彼は、テレビを観て言葉を覚えました。英語がようやく届いた場所は、画面の中でした。その経験は、今も彼の中に残っています。
だからFamiliar Labsは存在します。画面に映るものが、誰にでも、その人がわかる言語で届くように。
アーティストは置き換えない。翻訳する。
人を、残す。
エンターテインメントは、2030年までに4.2兆ドル規模の産業になります。
PwC、Global Entertainment & Media Outlook 2026–2030。
その未来は、大量生産とアートを分ける細い線の上にあります。Familiar Labsが立つのは、アートの側。人の演技と、その演技が運ぶ共感を守ります。
アートアートとは
AIにも、AIならではのレーンでアートは作れます。アニメーションがすでに担ってきたレーンです。小説やマンガ、ウェブトゥーンを映像にする。そこに実在の俳優の素顔はありません。けれど、本来演じるはずだった俳優の代わりにAIがフォトリアルを追い求めると、出来上がるものは空虚に感じられます。観客が観に来たのは、人だからです。
歌うのも、ラップするのも、人であってほしい。
いちばん若い観客は、本物を求めている。
Z世代は、これまででいちばん目の肥えた観客です。クリエイターの素顔に惹かれてフォローし、実在の人を観ています。
私たちは、人とのつながりを求めています。その人の個性、言葉にできない魅力。人は人に共感します。そして、AIだと知った瞬間に共感は薄れます。
俳優も歌手も、人のまま。ほとんどは。
何十年先になっても、人が演じていない映画やドラマや音楽は少数派でしょう。役を生きるアーティストを、なぜAIが置き換えるのでしょうか。
“AIだとわかっていたら、同じようには心が動かない。”
いつかAIがこの質に届いたとしても、共感は欠けたままでしょう。人と人とのつながりも、これを作った人たちを応援したい気持ちも。
私たちが選んで応援するものの大半は、これからも人です。人に寄せる共感は、いずれ消える偏見ではありません。私たちの生き方、愛し方、言葉の使い方そのものです。
言語は、いつの時代も人と人を隔てる壁でした。
子どもの先生と話せない親。
症状を伝えられない患者。
法廷の言語では、話を分かってもらえない証人。
面倒な作業は、MLFMに。
初のマルチモーダル翻訳基盤モデル- あなたの映像、あなたの声、あなたの顔。新しく作り出すものは何もありません。
- プロンプトは不要。新しいものをランダムに生成することもありません。
- 学習に使ったデータは、すべてFamiliar Labsのチームが自ら作ったものです。
テキスト、音声、映像のすべてにわたって、何をどうローカライズするかを判断し、大事な選択肢をあなたに示す、ひとつのモデル。まず翻訳、そのあと吹き替えを一度に。声と口元とシーンを、まとめて仕上げます。ひとつのモデルが判断するから、判断どうしが食い違いません。人物は、本人のまま変わりません。
「生成AI」ではなく、クリエイターの力になる翻訳。
私たちは、創作のプロセスで使われるツールのひとつです。
ひとつのセリフを、どの訳にするか。
- いくつもの訳を比べ、クリエイティブディレクターが理由とともに確認して選びます。
- 何を訳さないか。スラングは言ったまま、名前もブランド名もそのまま。
- ネタは視聴者になじみのあるものに差し替え、その文化が避ける表現は避け、年少向けの版では汚い言葉を控えめに。
そもそも何を翻訳するか。
- メインの声を見つけ、話し手本人の声のまま届けます。
- 笑い声、観客の声、叫び声、誰とも聞き分けられない話し声は、元のまま残します。
- チャント、掛け声、ひと言のフレーズは、元の言語のままに。
画面の上で、何をローカライズするか。
- 実際に話しているのは誰か。ナレーションは誰か、画面の外から話しているのは誰か。
- 口元。オクルージョンや空間推論も含めて。
- 強調や文化が求める場面では、表情やしぐさも。
- スマホの画面、本の表紙、道路標識、店の看板など、映像の中の文字を、すでに選んだ訳語で。
- 撮影したまま残すものは、その場で判断。Tostitosの袋は、Tostitosのまま。
- そのセリフがどの顔のものか、どの文字を訳すか。
私たちは、この壁がいちばん高くつく場所から始めます。動画です。
人の手による吹き替えは、世界の大半にとって現実的ではありません。トップクラスの作品でさえ、吹き替えるのは数言語だけ。費用と人手と時間がかかるからです。小規模な作品や番組、ショートドラマは、そもそも吹き替えません。
その裏付けは、私たちのCTOが率いていた会社で、Veritasiumや3Blue1Brown、Welch Labsの国際チャンネルを何年も運営してきた実績です。
▚ 数週間ではなく、一度で ▞
Flawless
Flawless業界で今使われている制作支援ツールは、VFXアーティストのチームと、プロジェクトごとに数週間を必要とします。言語が変われば、また新しいプロジェクトです。
一度で仕上げる今のツールは、それ以外のすべてを手放しています。翻訳は編集できず、音楽や部屋の響きは消え、声は本人から離れていきます。顔にかかった手、マイク、ブレ、ボケ、横顔、画面に映る複数の人物があると、口元は破綻します。空間を推論することも、世界を理解することも、制御することもできません。
Familiar LabsとFlawless TrueSyncを比較 →人が見せた演技を、声も、顔も、感情があふれる叫びもささやきも、そのままにあらゆる言語へ運びます。
人物を生成しない。俳優を置き換えない。
- 現在
13言語で吹き替え。
- 開発中
生中継:スポーツ、ニュース、配信。
- その先
双方向:会議でも、対面でも。
新しい人間を生成できた研究者たちは、実在の人を運ぶ道を選んだ。
生成ではなく、吹き替え。
私たちは、音楽生成AIの正反対にいます。人を置き換えることに反対します。AIは、こういうことにこそ使うべきです。文化を越えて、誰もが同じ歌を理解できるように。
私たちのCEO、Andrew Liuはオーディオマニアで、ピアノ、チェロ、ベースを弾くミュージシャンでもあります。母は自分の好きな歌を彼に聴かせ、歌ってくれます。中国語は少し分かるものの、歌になると言葉がすり抜けていく。親や家族が愛する歌を、私たちは聴き取れません。私たちが愛する英語の歌も、家族には分かりません。Song Dubbingは、その両方を届けます。家族の歌を私たちへ。私たちの歌を、韓国語や中国語で家族へ。家族にも分かって、一緒に聴けるように。チームのみんなも、歌うこととカラオケが大好きです。誰だって、聴いている歌の歌詞を理解したいのです。
この翻訳版の曲、プレイリストに入れたいな。
Song Dubbing本当の意味で初めての歌の吹き替え
レコードレーベルとそのアーティストのために、アルバム単位で、手厚い伴走型のサービスとして。どの一節も歌えるように訳し、音数も韻もフロウも意味も保ちます。リリース前に、すべての言語の歌詞をアーティストが承認します。
カナダ発、そしてグローバル。
Familiar Labsはトロントを拠点に、EUをはじめ世界中の仲間と仕事をしています。そのルーツがあるから、私たちはあらゆる場所で言葉の壁を壊していきます。話す人の少ない言語にまで。
13言語、どの言語からどの言語へも。
- アラビア語
- イタリア語
- スペイン語 (ラテンアメリカ)
- タイ語
- ドイツ語
- ヒンディー語
- フランス語 (フランス)
- ポルトガル語 (ブラジル)
- ロシア語
- 英語
- 韓国語
- 中国語
- 日本語
オンタリオ州北部、ティミンズ。
私たちのビジョン:誰もが理解される世界。
私たちは、粗悪なAIコンテンツとディープフェイクに反対します。
合成ではなく、人間のために。
あなた自身の声と顔。
粗悪なAIコンテンツに反対、同意が前提。
置き換えるのではなく、翻訳する。すべてに同意の取得と来歴の記録を。
理屈ではなく、実証。
ElevenLabs、YouTube、人間のプロ翻訳者と、同じクリップで比較したベンチマークを公開しています。
決めるのはあなた、最初から。
公開前のレビューが標準。ブランド名も用語も、書いた通りにそのまま残ります。
研究と開発に込めたのは

私たちのチームの多くは、テレビで英語を覚えました。CEOのAndrew Liuは、クラスメートと英語で話せず、友だちもいませんでした。学校全体で、アジア人は彼ひとりだけ。テレビを観て言葉を覚え、その経験は今も彼の中に残っています。
だからFamiliar Labsは存在します。画面に映るものが、誰にでも、その人がわかる言語で届くように。








声と顔がひとつのモデルから生まれるため、本人らしさが途中でずれることはありません。私たちがJAM-Flowで最初に切り拓いた分野です。
現時点でもっとも本人に忠実なリアルタイム人物動画生成。SoulX-LiveActは毎秒20フレームで人物を動かし、1時間崩れずに持続します。
蒸留、ガイダンス、サンプリング。拡散モデルをリアルタイムで動かせる速さにするための研究です。
凍結した拡散モデルの内部で行う編集。h-spaceの発見から、スタイルの制御、テロップの除去まで。
編集の前に、まずシーンを読む。どんな環境でも、映像と音声の両方から誰が話しているかを見分けます。
出資元
Stanford
Yonsei


