Från människa till människa, inte från AI till AI

01. Empati

Det handlar om känslor. Vi förstår att en verklig människa spelar ut råa känslor, och vi känner dem tillsammans med henne. En del av publiken vill bara höra rösterna; de flesta märker skillnaden. Och märkningen kommer oavsett: de stora plattformarna märker innehåll som gjorts med AI. Så klyftan sluts inte när pixlarna blir bättre. Den sluts bara när människan är verklig.

02. Stjärnglans

Vi gillar stjärnor. Vi ser en serie för ett igenkännbart ansikte och ett lysande framförande. När det inte verkligen är de bleknar stjärnglansen, och med den den stora produktion som byggts kring den.

03. Vad en dubbning behåller

En dubbning håller allt konstant: människan, framförandet, scenen, musiken. Bara språket byts. Därför byggde vi en beslutsmodell och inte en videomodell: vem i bild som säger repliken, känslan från en viskning till ett skrik, vilket namn eller varumärke som får stå kvar, vad texten i bilden säger. Inget hittas på. Allt förs vidare.

04. AI-gjort innehåll, gjort med omsorg

Det kommer att finnas innehåll som gjorts med hjälp av AI och innehåll som gjorts helt med AI, och en del av det kommer att göras med verklig omsorg. Det innehållet behöver ändå en dubbning. En allmän modell kan inte köra om samma scen på ett nytt språk med rätt person som talar, skratten och musiken intakta och texten i bilden utbytt. Och översättningen är där även de bästa allmänna modellerna fallerar på egen hand: ett skämt som inte bär, ett namn som översätts, ett slangord som får en dålig betydelse på det nya språket, ett ämne som den kulturen undviker. Innehåll som gjorts utan ansträngning blir inte värt att dubba; det görs helt enkelt om för varje kultur. Det är okej. Det är inte vår marknad.

Och en del innehåll går inte att göra om alls:

Ett liveögonblick kan bara föras vidare. Dit är vår nästa version på väg.

05. Två filer

Den snabba filen: ladda upp en gång och ta det som kommer ut, ingen kontroll, en översättning du inte kan granska. Kvalitetsfilen: människan, framförandet och scenen bevarade, varje beslut sparat och ditt att köra över, i ett svep. Vi valde den andra filen med flit.

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. Därför växer försprånget i kvalitetsfilen

Varje titel bygger på besluten: vad den kulturen undviker, vilken slang som blir fel, hur långt svordomarna får gå, rätt termer, hur ett skämt bär. Ett val som gjorts en gång följer med till nästa avsnitt. Allmänna videomodeller kan generera på ett språk långt innan de kan lokalisera till det; vi arbetar på 30 språk, och nyanserna samlas på hög.

++

Från människa till människa, med större räckvidd.