Од човека до човека, а не од AI до AI

01. Саосећање

Све је у емоцији. Знамо да прави човек проживљава сирове емоције и осећамо их заједно с њим. Део публике само жели да чује гласове; већина ипак препознаје разлику. А ознака стиже у сваком случају: велике платформе означавају садржај који је направио AI. Јаз се зато не затвара бољим пикселима. Затвара се тек када је особа стварна.

02. Звезде

Волимо звезде. Серију гледамо због познатог лица и сјајне изведбе. Када то нису заиста они, снага звезде слаби, а с њом и велика продукција изграђена око ње.

03. Шта синхронизација чува

Синхронизација све држи непромењеним: особу, изведбу, сцену, музику. Мења се само језик. Зато смо направили модел одлучивања, а не видео модел: ко на екрану изговара реплику, емоција од шапата до вриска, које име или бренд остаје какав јесте, шта пише у тексту у кадру. Ништа није измишљено. Све је пренето.

04. Садржај који прави AI, уз труд

Биће садржаја који AI помаже да настане и садржаја који AI прави, а део тога биће направљен уз прави труд. И том садржају и даље треба синхронизација. Општи модел не може да понови исту сцену на новом језику тако да говори права особа, да смех и музика остану нетакнути, а текст на екрану буде замењен. А превод је тачка на којој и најбољи општи модели сами посрћу: шала која не пређе на други језик, име које буде преведено, сленг који на новом језику има ружно значење, тема коју та култура избегава. Садржај направљен без труда неће вредети синхронизовати; једноставно ће се правити изнова за сваку културу. То је у реду. Ми нисмо за то.

А неки садржај уопште не може да се направи изнова:

Тренутак уживо може само да се пренесе. Наша следећа верзија иде тим путем.

05. Две траке

Брза трака: отпремите једном и узмете оно што изађе, без контроле, са преводом који не можете да прегледате. Трака квалитета: особа, изведба и сцена сачуване, свака одлука забележена и ваша да је преиначите, у једном пролазу. Другу траку смо изабрали намерно.

HeyGenElevenLabsHeyGen + 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 →

06. Зашто се трака квалитета исплати све више

Сваки наслов допуњује запис: шта та култура избегава, који сленг добија ружно значење, докле иду псовке, прави термини, како шала прелази на други језик. Избор донет једном прати и следећу епизоду. Општи видео модели могу да стварају на неком језику много пре него што могу да локализују на њега; ми радимо на 30 језика, а нијансе се таложе.

++

Од човека до човека, за све ширу публику.