EXPLICAÇÃO

Traduzir não é gerar

FAMILIAR PESQUISAATUALIZADO TODOS OS ARTIGOS
LEIA EMEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

RESUMO

Não é “IA generativa”: é tradução a serviço de quem cria. Gerar e traduzir são verbos diferentes. Gerar parte de um prompt e cria algo que não existia. Traduzir parte de algo que já existe, uma performance, e a leva para outra língua. A Familiar é um novo paradigma, o primeiro do gênero: um Modelo Multimodal de Decisão de Localização (MLDM), o primeiro modelo de fundação para tradução multimodal. O ator, o tempo e a cena ficam; as palavras, a boca e a faixa de voz mudam para caber na nova língua.
O PRIMEIRO MODELO DE FUNDAÇÃO PARA TRADUÇÃO MULTIMODAL

Dois verbos

A IA generativa é ótima para fazer coisas novas: um prompt entra, conteúdo novo sai, e a graça está justamente em o resultado ser novo. A tradução tem o objetivo oposto.

TraduzirO OUTRO VERBO

Uma performance entra, e a mesma performance sai em outra língua.

GERAR

  • Entra: um prompt
  • Sai: conteúdo novo
  • Medido por: quão novo e bom é o resultado

TRADUZIR

  • Entra: uma performance pronta
  • Sai: a mesma performance em outra língua
  • Medido por: quão fiel ela continua ao original

Todo tradutor, humano ou máquina, é julgado pelo pouco que inventa.

O que fica, o que muda

O ator
MUDAAs palavras
O rosto
MUDAOs movimentos da boca
O tempo
MUDAA faixa de voz, na nova língua
O som da cena: risadas, música, som ambiente
MUDA

A voz na nova língua é a do próprio ator, tirada do próprio clipe. Nomes e bordões ficam exatamente como foram ditos, graças a uma lista de Não Traduzir; as piadas são reescritas para funcionar na língua de destino.

Por que o lip sync faz parte da tradução

Ninguém ouve a fala só com os ouvidos. No efeito McGurk, uma voz dizendo [b] dublada sobre um rosto dizendo [g] costuma ser percebida como [d], um som que nenhum dos dois canais trazia (Tiippana, 2014, descrevendo McGurk e MacDonald, 1976). O cérebro funde o que vê com o que ouve.
VOZ [b] + ROSTO [g] = PERCEBIDO [d]

Uma dublagem só de voz deixa esse descompasso em cada quadro: a boca fala uma língua e a trilha, outra, e a compreensão fica mais difícil. Isso faz da boca parte da mensagem. Traduzir uma performance é traduzir os lábios junto com as palavras, e é por isso que, numa dublagem da Familiar, os lábios acompanham as novas palavras (as perguntas frequentes, “Por que o lip sync faz diferença?”).

Os diretores criativos revisam antes de ir ao ar

Algumas falas podem ser lidas de mais de um jeito: uma piada, uma alfinetada, uma frase que soa sincera ou seca. Essas voltam como três traduções, cada uma com intenção e emoção diferentes; o mesmo vale para a gíria mantida como foi dita e para os palavrões suavizados numa versão para um público mais jovem. A equipe escolhe uma, edita qualquer fala com o original ao lado e só então dispara a dublagem.

MLDM para a parte chata.

A parte chata da dublagem é decidir qual voz e como os lábios acompanham, em cada fala e em cada língua. O MLDM decide isso e registra cada decisão junto com a dublagem, para que sua equipe possa alterar qualquer uma delas. Em desenvolvimento: escolher quais sons ficam na língua original, um coro ou um grito, e qual rosto ou texto na tela traduzir. As escolhas que fazem uma boa dublagem, qual piada funciona, qual tom cabe, qual nome fica, continuam com as pessoas que fizeram a obra.

++
Todos os dados usados no nosso treinamento foram produzidos pela própria equipe da Familiar.

Somos mais uma ferramenta no processo criativo.

PERGUNTAS

A Familiar é IA generativa?

Não. A Familiar é um Modelo Multimodal de Decisão de Localização (MLDM): decide como localizar o que já existe, sem prompt. Seu vídeo entra, e a mesma performance sai em outra língua. Todos os dados usados no nosso treinamento foram produzidos pela própria equipe da Familiar. Somos mais uma ferramenta no processo criativo.

O que acontece com minha música e meus efeitos sonoros?

Ficam. As risadas, a música e os graves, os efeitos sonoros e o som ambiente continuam por baixo do novo diálogo.

Posso corrigir a tradução?

Sim. Todo vídeo pausa numa tela de revisão onde você edita qualquer fala com o original ao lado antes da dublagem ser feita.

REFERÊNCIAS

  1. [1]Tiippana, K. (2014). What is the McGurk effect? Frontiers in Psychology 5:725, lido em 24 de outubro de 2026
  2. [2]Perguntas frequentes da Familiar: Por que o lip sync faz diferença?
  3. [3]Lip sync com IA: o que é, o que perde, o que supera
  4. [4]Por que a Familiar não é IA generativa tradicional
  5. [5]Mais uma ferramenta no processo criativo

TRADUÇÃO MULTIMODAL

A Familiar Labs faz dublagem uma geração à frente com um Modelo Multimodal de Decisão de Localização (MLDM), o primeiro modelo de fundação para tradução multimodal: um só modelo decide o que localizar em texto, áudio e imagem, e mostra para você as escolhas. Sua voz e seus lábios, levados para novas línguas. Uma equipe de 8, com doutores, investida por Samsung, RedBird e Gold House. Nossa missão

Veja o benchmark completo →Fale com a equipe