MENING

Fra menneske til menneske, ikke fra KI til KI

Hvorfor kvalitetsinnhold forblir menneskelig.

FAMILIAR FORSKNINGALLE ARTIKLER
LES ARTIKKELEN PÅEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

SAMMENDRAG

Vi kan ikke føle med et KI-menneske. Eller de fleste av oss kan ikke det, ikke i samme grad. Vi ser en fremføring fordi vi vet at et ekte menneske spiller ut rå følelser. KI kan bli så realistisk den vil; i det øyeblikket vi vet at det er KI, faller empatien. Det er hele grunnen til at Familiar ligger i kvalitetsfilen.
An Zhu LiuAn Zhu LiuCEO, Familiar LabsTEAM →

Empati

Det er følelsene det handler om. Vi forstår at et ekte menneske spiller ut rå følelser, og vi kjenner dem sammen med det. En del av publikum vil bare høre stemmene; de fleste merker forskjellen. Og merkingen kommer uansett: de store plattformene merker innhold laget med KI. Gapet lukkes altså ikke når pikslene blir bedre. Det lukkes bare når personen er ekte.

Stjernekraft

Vi liker stjerner. Vi ser en serie på grunn av et kjent ansikt og en sterk fremføring. Når det ikke virkelig er dem, svekkes stjernekraften, og det samme gjør den store produksjonen som er bygget rundt den.

STEMMEN
FORTSATT DEMStjernens egen fremføring, båret over i et annet språk med produksjonens samtykke.
IKKE DEMEn stemme som ikke er deres, som leser replikkene deres.
ANSIKTET
FORTSATT DEMDet samme ansiktet, det samme opptaket, leppene som følger de nye ordene.
IKKE DEMEn skuespiller som ikke er dem.
EN AVDØD SKUESPILLER
FORTSATT DEMDeres egne innspilte fremføringer, som rettighetshaveren kan lokalisere.
IKKE DEMEt nytt prosjekt de aldri samtykket til, selv der et dødsbo har skrevet under. Dit går ikke vi.

Det en dub beholder

Fra menneske til menneske, ikke fra KI til KI.

En dub holder alt annet fast: personen, fremføringen, scenen, musikken. Bare språket endres. Derfor bygde vi en beslutningsmodell og ikke en videomodell: hvem på skjermen som sier replikken, følelsen fra en hvisking til et skrik, hvilket navn eller merkenavn som blir stående, hva teksten i bildet sier. Ingenting blir diktet opp. Det blir båret over.

KI-laget innhold, med innsats

Det kommer innhold laget med hjelp av KI og innhold laget av KI, og noe av det vil bli laget med ekte innsats. Det innholdet trenger fortsatt en dub. En generell modell kan ikke kjøre den samme scenen på nytt på et nytt språk med riktig person som snakker, latteren og musikken intakt og teksten på skjermen byttet ut. Og oversettelse er der selv de beste generelle modellene kommer til kort på egen hånd: en vits som ikke bærer, et navn som blir oversatt, et slangord med en stygg betydning på det nye språket, et tema den kulturen unngår. Innhold laget med lite innsats vil ikke være verdt å dubbe; det blir rett og slett laget på nytt for hver kultur. Det er greit. Det er ikke det vi er til for.

Og noe innhold kan ikke lages på nytt i det hele tatt:

SPORT
Kampen spilles én gang. Det er ingenting å kjøre på nytt.
STRØMMER
Direkte, med chatten. Et øyeblikk, ikke en fil.
REALITY-TV
Folk uten manus. Opptaket er det eneste opptaket.
DOKUMENTARER
Ekte mennesker som sier ekte ting, én gang.

Et direkte øyeblikk kan bare bæres over. Dit er vår neste versjon på vei.

To filer

Hurtigfilen: last opp én gang og ta det som kommer ut, uten kontroll, med en oversettelse du ikke kan gå gjennom. Kvalitetsfilen: personen, fremføringen og scenen holdt fast, hver beslutning lagret og din å overstyre, i én omgang. Vi valgte den andre filen med vilje.

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

Hvorfor kvalitetsfilen vokser over tid

Hver tittel legger til i beslutningene: hva den kulturen unngår, hvilken slang som blir stygg, hvor langt banningen kan gå, de riktige begrepene, hvordan en vits bærer. Et valg som er tatt én gang, følger med til neste episode. Generelle videomodeller kan generere på et språk lenge før de kan lokalisere til det; vi jobber på 30 språk, og nyansene hoper seg opp.

++
Fra menneske til menneske, med større rekkevidde.
FRA MENNESKE TIL MENNESKEKVALITETSFILEN

Multimodal oversettelse

Familiar Labs lager en ny generasjon dubbing med en multimodal beslutningsmodell for lokalisering (MLDM), den første grunnmodellen for multimodal oversettelse: én modell avgjør hva som skal lokaliseres på tvers av tekst, lyd og bilde, og viser deg valgene. Stemmen og leppene dine, båret over i nye språk. De er et team på 8 med PhD-er, støttet av Samsung, RedBird og Gold House. Vår misjon

Se hele benchmarken →Snakk med teamet