บทคัดย่อ
Generative AI คืออะไร
Generative AI หรือบางครั้งเรียกว่า gen AI คือปัญญาประดิษฐ์ (AI) ที่สร้างคอนเทนต์ต้นฉบับ เช่น ข้อความ ภาพ วิดีโอ เสียง หรือโค้ดซอฟต์แวร์ ตามพรอมต์หรือคำขอของผู้ใช้
นิยามนี้มีสองส่วน พรอมต์เข้าไป แล้วสิ่งที่ไม่เคยมีมาก่อนก็ออกมา
สิ่งที่ Generative AI ทำ
- เครื่องมือที่ทรงพลังสำหรับการสร้างสิ่งใหม่ ไม่ว่าจะเป็นร่างแรกหรือโครงเพลง
สิ่งที่การแปลต้องการ
- งานมีอยู่แล้ว และหน้าที่คือพางานนั้นไปสู่อีกภาษาโดยไม่ตกหล่น
บททดสอบเรื่องพรอมต์
ลองถามว่าผู้ใช้ต้องพิมพ์อะไร กับ Generative AI คือพรอมต์ อธิบายสิ่งที่ต้องการแล้วโมเดลก็สร้างขึ้นมา กับ Familiar ไม่ต้องพิมพ์อะไรเลย วิดีโอของคุณเข้าไป แล้วการแสดงเดิมก็ออกมาในอีกภาษาหนึ่ง
ฉากก็ยังอยู่ด้วย ทั้งเสียงหัวเราะ ดนตรี และเสียงบรรยากาศ
ข้อมูลมาจากไหน
ข้อมูลทั้งหมดที่เราใช้เทรน ทีม Familiar เป็นผู้สร้างขึ้นเองทั้งหมด
MLDM สำหรับงานส่วนที่จุกจิกน่าเบื่อ
งานพากย์ทุกชิ้นมีส่วนที่จุกจิกน่าเบื่อ จะใช้คำแปลแบบไหน เสียงไหน และริมฝีปากจะตามอย่างไร ในทุกประโยคและทุกภาษา MLDM ตัดสินใจส่วนนี้ และทุกการตัดสินใจถูกบันทึกไว้กับงาน ให้ทีมของคุณแก้ไขได้
- วันนี้
ครีเอทีฟไดเรกเตอร์ของคุณเห็นตัวเลือกด้านการแปล
มุกเดียวที่แปลได้หลายแบบ คำสแลงที่คงไว้ตามที่พูด คำหยาบที่ลดลงสำหรับเวอร์ชันผู้ชมอายุน้อย - อยู่ระหว่างพัฒนา
การเลือกว่าเสียงไหนคงไว้เป็นภาษาต้นฉบับ ใบหน้าไหนเป็นคนพูด และข้อความบนหน้าจอไหนที่จะแปล
การแสดง การคัดเลือกนักแสดง และทุกการตัดสินใจเชิงสร้างสรรค์ ยังเป็นของคนที่สร้างผลงานนั้น
เราคือเครื่องมืออีกชิ้นหนึ่งในกระบวนการสร้างสรรค์
ทำไมเราเลือกเส้นทางคุณภาพ ในคำของ CEO: จากคนสู่คน ไม่ใช่จาก AI สู่ AI
คำถาม
Familiar เป็น Generative AI หรือไม่
ไม่ใช่ Familiar คือโมเดลตัดสินใจด้านโลคัลไลเซชันแบบมัลติโมดัล (MLDM) ที่ตัดสินใจว่าจะปรับสิ่งที่มีอยู่แล้วให้เข้ากับท้องถิ่นอย่างไร โดยไม่มีพรอมต์ วิดีโอของคุณเข้าไป แล้วการแสดงเดิมก็ออกมาในอีกภาษาหนึ่ง ข้อมูลทั้งหมดที่เราใช้เทรน ทีม Familiar เป็นผู้สร้างขึ้นเองทั้งหมด เราคือเครื่องมืออีกชิ้นหนึ่งในกระบวนการสร้างสรรค์
Familiar แต่งคำหรือประโยคขึ้นมาเองหรือไม่
ไม่ ถ้อยคำคือคำแปลของสิ่งที่พูดไว้ และครีเอทีฟไดเรกเตอร์ของคุณตรวจได้ทุกประโยคก่อนเรนเดอร์ ประโยคที่ตีความได้มากกว่าหนึ่งทาง เช่น มุกตลก จะกลับมาเป็นคำแปลสามแบบให้เลือก
เสียงในงานพากย์เป็นเสียงของใคร
เสียงของผู้พูดเอง ที่มาจากคลิปนั้นและถูกพาไปสู่ภาษาใหม่ Familiar พากย์ออกมาได้ 30 ภาษา จากฟุตเทจในภาษาต้นทางใดก็ได้ใน 99 ภาษา
แหล่งอ้างอิง
การแปลแบบมัลติโมดัล
Familiar Labs สร้างงานพากย์ที่ก้าวกระโดดไปอีกขั้น ด้วยโมเดลตัดสินใจด้านโลคัลไลเซชันแบบมัลติโมดัล (MLDM) โมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล โมเดลเดียวที่ตัดสินใจว่าจะปรับอะไรให้เข้ากับท้องถิ่น ทั้งในข้อความ เสียง และภาพ พร้อมแสดงตัวเลือกให้คุณเห็น เสียงและริมฝีปากของคุณ ถ่ายทอดสู่ภาษาใหม่ ทีม 8 คนที่มีปริญญาเอก ได้รับการสนับสนุนจาก Samsung, RedBird และ Gold House ภารกิจของเรา