โมเดลตัดสินใจด้านโลคัลไลเซชันแบบมัลติโมดัล (MLDM) คืออะไร

01. MLDM ตัดสินใจอะไรบ้าง

02. ทำไมต้องโมเดลเดียว

++

แปลก่อน แล้วพากย์ทั้งหมดในครั้งเดียว ทั้งเสียง ริมฝีปาก และฉาก ออกมาพร้อมกันจากการตัดสินใจชุดเดียวกัน

แปลภาพและเสียงไปพร้อมกัน ไม่ใช่ต่อเป็นทอดๆ ครั้งแรกของวงการ นี่คือสิ่งที่ทำให้ MLDM เป็นโมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล โมเดลเดียวที่พาถ้อยคำ เสียง ริมฝีปาก และฉาก ไปสู่ภาษาใหม่ทั้งหมดในคราวเดียว เส้นทางคุณภาพสูงในวันนี้คือเครื่องมือช่วยงาน ต้องใช้ทีมศิลปิน VFX และเวลาหลายสัปดาห์ต่อโปรเจกต์ และทุกภาษาก็คือโปรเจกต์ใหม่ ส่วนเครื่องมือแบบครั้งเดียวจบในวันนี้เร็ว แต่ต้องยอมเสียอย่างอื่นไปทั้งหมด Familiar คือครั้งเดียวจบและได้คุณภาพ

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 →

03. โลคัลไลเซชันต่างจากการแปลอย่างไร

04. MLDM เป็น Generative AI หรือไม่

ไม่ใช่ IBM นิยามไว้แบบนี้:

นั่นคือเครื่องมือที่ทรงพลังสำหรับการสร้างสิ่งใหม่ แต่ MLDM ไม่มีพรอมต์ และไม่มีอะไรถูกแต่งขึ้นใหม่ มันตัดสินใจว่าจะปรับสิ่งที่มีอยู่แล้วให้เข้ากับท้องถิ่นอย่างไร จุดยืนฉบับเต็มอยู่ในทำไม Familiar จึงไม่ใช่ Generative AI แบบดั้งเดิม และการแปลไม่ใช่การสร้างขึ้นใหม่

05. การตัดสินใจเหล่านี้เป็นของใคร

1. วันนี้

   ครีเอทีฟไดเรกเตอร์ของคุณตรวจการตัดสินใจด้านการแปล

   คำแปลแต่ละแบบพร้อมเหตุผล ให้เลือกหนึ่งแบบก่อนที่อะไรจะถูกปล่อยออกไป
2. วันนี้

   รายการคำที่ไม่แปลและบริบทหนึ่งประโยคติดไปกับงานด้วย

3. อยู่ระหว่างพัฒนา

   การตัดสินใจด้านเสียงและภาพ ในหน้าตรวจสอบเดียวกัน

4. อยู่ระหว่างพัฒนา

   หน่วยความจำการตัดสินใจ

   การแก้ไขที่จำไว้สำหรับครีเอเตอร์คนหนึ่งจะถูกใช้ก่อนในงานพากย์ครั้งถัดไป ตัวเลือกที่ตัดสินใจไว้ครั้งหนึ่งจึงตามไปใช้ในตอนถัดไปด้วย

เรื่องราวฉบับเต็มอยู่ในบันทึกการตัดสินใจ: ครีเอทีฟไดเรกเตอร์กำกับ MLDM อย่างไร ส่วน API ที่วางแผนไว้อยู่ในเอกสาร API ด้านการตัดสินใจ

คำถาม