PAAIŠKINIMAS

Mašininis mokymasis ir generatyvinis DI: aiškus gidas studijoms

FAMILIAR TYRIMAIATNAUJINTA VISI STRAIPSNIAI
SKAITYTI KITA KALBAEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

SANTRAUKA

Ne „generatyvinis DI“, o vertimas, įgalinantis kūrėjus. Šiame gide mašininis mokymasis ir generatyvinis DI paaiškinami greta, paprasta kalba, o tada pateikiami šeši klausimai, kuriuos studija, platintojas ar platforma gali užduoti bet kuriam DI tiekėjui, su „Familiar“ atsakymu į kiekvieną.

Du terminai, paprastai

Mašininis mokymasisPLATI SRITIS

Mašininis mokymasis – plati sritis. IBM jį apibūdina kaip algoritmus, kurie išmoksta mokymo duomenų dėsningumus ir tada daro tikslias išvadas apie naujus duomenis.

GENERATYVINIS DI

  • Generatyvinis DI – vienas mašininio mokymosi taikymų. IBM jį apibrėžia kaip dirbtinį intelektą, galintį kurti originalų turinį, pavyzdžiui, tekstą, vaizdus, vaizdo įrašus, garsą ar programinį kodą, atsižvelgiant į naudotojo užklausą ar prašymą.
  • Tai puikus įrankis naujiems dalykams kurti: koncepcijos kadrui, pirmam juodraščiui, dainos eskizui.

VERTIMAS SU „FAMILIAR“

  • Vertimui reikia ko kito.
  • Kūrinys jau sukurtas, o „Familiar“ jį nepakeistą perkelia į kitą kalbą, pasitelkdamas naują paradigmą, pirmąją tokio pobūdžio: multimodalinį lokalizavimo sprendimų modelį (MLDM), pirmąjį pamatinį multimodalinio vertimo modelį.
PIRMASIS PAMATINIS MULTIMODALINIO VERTIMO MODELIS
GENERATYVINIS DI IR VERTIMAS
Generatyvinis DIVertimas su „Familiar“
ĮvestisUžklausaJūsų baigtas vaizdo įrašas
Kas naujaPats turinysŽodžiai kita kalba ir juos perteikiantys balsas bei burna
Kieno atvaizdasTo, kurį aprašo užklausaEkrane matomo aktoriaus, su sutikimu
PeržiūraPriklauso nuo įrankioJūsų kūrybos direktoriai, eilutė po eilutės, prieš dubliavimą
RezultatasNaujas tekstas, vaizdai, vaizdo įrašai, garsas ar kodasTas pats atlikimas, iki 4K, su tikru 5.1 arba stereo miksu

Šeši klausimai bet kuriam tiekėjui

AR YRA UŽKLAUSA?
„FAMILIAR“ ATSAKYMASNe. Įkeliate vaizdo įrašą, ir tas pats vaizdo įrašas grįžta kita kalba.
AR KAS NORS IŠGALVOJAMA?
„FAMILIAR“ ATSAKYMASNe. Žodžiai yra to, kas buvo pasakyta, vertimas, ir nieko naujo neišgalvojama. Scena lieka tokia, kokia buvo: juokas, muzika, aplinkos garsai.
KIENO BALSAS IR VEIDAS REZULTATE IR KIENO SUTIKIMU?
„FAMILIAR“ ATSAKYMASPaties aktoriaus. Balsas paimamas iš paties klipo, o ekrane matomas aktoriaus veidas, vaidinantis nauja kalba. „Familiar“ verčia žmones tik su jų sutikimu.
KOKIAIS DUOMENIMIS MOKYTAS MODELIS?
„FAMILIAR“ ATSAKYMASVisus duomenis, kuriais mokėme modelį, iš tikrųjų sukūrė pati „Familiar“ komanda.
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

FAMILIAR · ONE SHOT AND THE QUALITYFamiliar vs Flawless TrueSync The ElevenLabs study The demos

Kas peržiūri prieš išleidžiant?

Jūsų kūrybos direktoriai. Replika, kurią galima perteikti ne vienu būdu, juokelis ar dygus pastebėjimas, grąžinama trimis vertimo variantais su skirtingu ketinimu ir emocija; jie išsirenka vieną, bet kurią eilutę redaguoja pagal originalą ir tik tada paleidžia dubliavimą. Sąrašas „Neversti“ išlaiko vardus ir firmines frazes lygiai tokius, kaip ištarti.

Kokie failai grąžinami?

Kiekviena kalba pristatoma kaip galutinis vaizdo įrašas iki 4K, su pilnu miksu – tikru 5.1 erdviniu arba stereo, jūsų pasirinkimu, 24 bitų PCM WAV formatu. Kartu: subtitrai .srt ir .vtt formatais iš peržiūrėtos transkripcijos, parengti pagal „Netflix“ „Timed Text Style Guide“ taisykles, išverstas pavadinimas ir aprašas bei atskiras balso takelis jūsų pačių miksui.

MLDM – monotoniškam darbui.

Monotoniška dubliavimo dalis – kiekviena replika kiekviena kalba: kuris variantas, kuris balsas, kaip seka lūpos. Aukštos kokybės kelias šiandien šią dalį atlieka rankomis: pagalbinis įrankis, VFX specialistų komanda ir kelios savaitės kiekvienam projektui, o kiekviena kalba yra naujas projektas. Šiandieniai vieno ypo įrankiai ją praleidžia ir paaukoja visa kita: vertimo redaguoti negalima, muzika ir patalpos garsas dingsta, o lūpos išsiderina, kai veidą dengia ranka, mikrofonas ar kai filmuojama iš šono. „Familiar“ – tai vienas ypas ir kokybė. Šią dalį sprendžia MLDM ir kiekvieną sprendimą įrašo kartu su projektu, kur jūsų komanda gali jį pakeisti. Šiandien tai apima vertimo pasirinkimus: juokelį, slengą, paliktą taip, kaip pasakytas, keiksmažodžius, sušvelnintus jaunesnei auditorijai skirtai versijai. Jau kuriama galimybė rinktis, kurie garsai lieka originalo kalba, kuris veidas kalba ir kurį tekstą ekrane versti. Aktorių atranka, atlikimas ir kiekvienas kūrybinis sprendimas lieka žmonėms, kurie sukūrė kūrinį.

Esame dar vienas įrankis kūrybos procese.

KLAUSIMAI

Ar „Familiar“ yra generatyvinis DI?

Ne. „Familiar“ – tai multimodalinis lokalizavimo sprendimų modelis (MLDM): jis sprendžia, kaip lokalizuoti tai, kas jau yra, be jokios užklausos. Įkeliate vaizdo įrašą, ir tas pats atlikimas grįžta kita kalba.

Ar mūsų kūrybinė komanda gali pakeisti eilutę prieš dubliavimą?

Taip. Kiekviena išversta eilutė laukia jūsų kūrybos direktorių, kurie gali ją redaguoti pagal originalą arba rinktis iš trijų vertimo variantų, kai repliką galima suprasti ne vienaip. Tik tada atliekamas dubliavimas.

Kokias kalbas palaiko „Familiar“?

Dubliažai pristatomi 30 kalbų, iš bet kurios į bet kurią. Vaizdo medžiaga gali būti bet kuria iš 99 šaltinio kalbų.

ŠALTINIAI

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates, skaityta 2026 m. spalio 30 d.
  2. [2]IBM, What is machine learning?, skaityta 2026 m. spalio 24 d.
  3. [3]IBM, What is generative AI?, skaityta 2026 m. spalio 24 d.
  4. [4]Kodėl „Familiar“ nėra tradicinis generatyvinis DI
  5. [5]API dokumentacija: transkripcija ir peržiūra

Multimodalinis vertimas

„Familiar Labs“ kuria naujos kartos dubliažą, pasitelkdama multimodalinį lokalizavimo sprendimų modelį (MLDM), pirmąjį pamatinį multimodalinio vertimo modelį: vienas modelis sprendžia, ką lokalizuoti tekste, garse ir vaizde, ir parodo jums pasirinkimus. Jūsų balsas ir lūpos, perkelti į naujas kalbas. Tai 8 žmonių komanda su mokslų daktarais, kurią remia „Samsung“, „RedBird“ ir „Gold House“. Mūsų misija

Žiūrėti visą lyginamąjį testą →Pasikalbėti su komanda