Maskinlæring mot generativ KI: en enkel guide for studioer

FAMILIAR FORSKNING2026-10-24OPPDATERT 2026-10-30ALLE ARTIKLER

SAMMENDRAG

Ikke «generativ KI», men oversettelse i de kreatives tjeneste. Denne guiden stiller maskinlæring og generativ KI side om side i et enkelt språk, og lister deretter opp seks spørsmål et studio, en distributør eller en plattform kan stille enhver KI-leverandør, med Familiars svar på hvert av dem.

To begreper, enkelt forklart

MaskinlæringDET BREDE FAGFELTET

Maskinlæring er det brede fagfeltet. IBM beskriver det som algoritmer som lærer mønstrene i treningsdata og deretter trekker presise slutninger om nye data.

GENERATIV KI

Generativ KI er én anvendelse av maskinlæring. IBM definerer det som kunstig intelligens som kan lage originalt innhold, som tekst, bilder, video, lyd eller programkode, ut fra en brukers prompt eller forespørsel.
Det er et godt verktøy for å lage nye ting: en konseptskisse, et første utkast, en skisse til en låt.

OVERSETTELSE MED FAMILIAR

Oversettelse krever noe annet.
Verket finnes allerede, og Familiar bærer det uendret over i et annet språk med et nytt paradigme, det første i sitt slag: en multimodal beslutningsmodell for lokalisering (MLDM), den første grunnmodellen for multimodal oversettelse.

DEN FØRSTE GRUNNMODELLEN FOR MULTIMODAL OVERSETTELSE

GENERATIV KI MOT OVERSETTELSE
	Generativ KI	Oversettelse med Familiar
Inn	En prompt	Den ferdige videoen din
Hva som er nytt	Selve innholdet	Ordene på et annet språk, og stemmen og munnen som bærer dem
Hvem sitt utseende	Den prompten beskriver	Skuespilleren på skjermen, med samtykke
Gjennomgang	Varierer fra verktøy til verktøy	De kreative lederne dine, replikk for replikk, før renderingen
Ut	Ny tekst, nye bilder, ny video, ny lyd eller ny kode	Den samme fremføringen, i opptil 4K, i ekte 5.1 eller stereo

Seks spørsmål å stille enhver leverandør

FINNES DET EN PROMPT?

FAMILIARS SVARNei. Videoen din går inn, og den samme videoen kommer ut på et annet språk.

BLIR NOE FUNNET PÅ?

FAMILIARS SVARNei. Ordene er en oversettelse av det som ble sagt, og ingenting nytt blir funnet på. Scenen blir som den var: latteren, musikken, atmosfæren.

HVEM SIN STEMME OG HVILKET ANSIKT ER I RESULTATET, OG MED HVEM SITT SAMTYKKE?

FAMILIARS SVARSkuespillerens egne. Stemmen kommer fra selve klippet, og ansiktet på skjermen er skuespillerens, som fremfører det nye språket. Familiar oversetter bare personer som har gitt sitt samtykke.

HVILKE DATA BLE MODELLEN TRENT PÅ?

FAMILIARS SVARAlle dataene vi har trent på, er faktisk laget av Familiar-teamet selv.

HeyGen + 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

Hvem går gjennom før lansering?

De kreative lederne dine. En replikk som kan oppfattes på flere måter, en vits eller et stikk, kommer tilbake som tre oversettelser med ulik hensikt og følelse; de velger én, redigerer hvilken som helst replikk mot originalen og starter først da dubben. En Ikke oversett-liste holder navn og faste uttrykk nøyaktig slik de ble sagt.

Hvilke filer kommer tilbake?

Hvert språk leveres som en ferdig video i opptil 4K, med den fulle miksen i ekte 5.1 surround eller stereo, du velger selv, i 24-bit PCM WAV. Ved siden av følger undertekster i .srt og .vtt fra den gjennomgåtte transkripsjonen, tilpasset konvensjonene i Netflix' Timed Text Style Guide, oversatt tittel og beskrivelse, og stemmesporet alene til din egen miks.

MLDM for det møysommelige arbeidet.

Det møysommelige arbeidet i dubbing er hver replikk på hvert språk: hvilken gjengivelse, hvilken stemme, hvordan leppene følger. Veien til høy kvalitet i dag gjør den delen for hånd: et assisterende verktøy, et team av VFX-artister og uker per prosjekt, og hvert språk er et nytt prosjekt. Verktøyene som dubber i én omgang i dag, hopper over den og ofrer resten: oversettelsen kan ikke redigeres, musikken og rommet forsvinner, og leppene svikter ved en hånd foran ansiktet, en mikrofon eller en profilvinkel. Familiar er én omgang og kvaliteten. MLDM avgjør den delen og lagrer hver beslutning med jobben, der teamet ditt kan overstyre den. I dag gjelder det oversettelsesvalgene: vitsen, slangen beholdt slik den ble sagt, banningen tonet ned for en yngre versjon. Å velge hvilke lyder som blir stående på originalspråket, hvilket ansikt som snakker, og hvilken tekst i bildet som skal oversettes, er under utvikling. Rollebesetning, fremføring og alle kreative valg blir hos menneskene som skapte verket.

Vi er ett verktøy til i den kreative prosessen.

SPØRSMÅL

Er Familiar generativ KI?

Nei. Familiar er en multimodal beslutningsmodell for lokalisering (MLDM): den avgjør hvordan det som allerede finnes, skal lokaliseres, uten noen prompt. Videoen din går inn, og den samme fremføringen kommer ut på et annet språk.

Kan det kreative teamet vårt endre en replikk før den rendres?

Ja. Hver oversatte replikk venter på de kreative lederne dine, som kan redigere den mot originalen eller velge blant tre oversettelser der en replikk kan leses på flere måter. Først etter det rendres dubben.

Hvilke språk dekker Familiar?

Dubbene kommer ut på 30 språk, alle til alle. Opptak kan komme inn på 99 kildespråk.

KILDER

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