บทคัดย่อ
ใครอยู่ในทีมบ้าง
เต็มเวลา
7
ในโทรอนโต
บทความวิจัย
22
ทุกเรื่องอยู่ในภาพรวมงานวิจัย
ผ่านการพิจารณาโดยผู้ทรงคุณวุฒิ
18
ICLR, CVPR, ECCV, NeurIPS และอื่นๆ
การอ้างอิง
มากกว่า 10,000
ตั้งแต่ปี 2021
ผู้ร่วมก่อตั้งสามคน ได้แก่ Andrew Liu (CEO), Mingi Kwon (CTO) และ Jibin Song (Chief Scientist) พร้อม Principal Researcher และ Members of Technical Staff โดยมี ศ. Xu Zheng และ ศ. Youngjung Uh เป็นที่ปรึกษา JAM-Flow ของพวกเขาที่ ECCV 2026 คือโมเดลมนุษย์ตัวแรกที่รวมเสียงและภาพเข้าด้วยกัน ทุกบทความอยู่ในภาพรวมงานวิจัยของเรา
เงินทุนในวงการวิดีโอมนุษย์ไหลไปที่ไหน
ไหลไปที่อวตาร ทั้งพรีเซนเตอร์ในวิดีโอฝึกอบรม และเอเจนต์ที่คุยกับคุณแบบเห็นหน้ากัน
การระดมทุนของบริษัทอวตารและดิจิทัลฮิวแมน ตามที่มีการรายงาน
| บริษัท | รอบการระดมทุน | ประกาศเมื่อ |
|---|---|---|
| Synthesia | $200M Series E ที่มูลค่า $4B | 26 มกราคม 2026 |
| Nuance Labs | $50M Series A | 14 กันยายน 2026 |
| Tavus | $40M Series B | 12 พฤศจิกายน 2025 |
| Hedra | $32M Series A | 15 พฤษภาคม 2025 |
| HeyGen | $60M Series A ที่มูลค่า $500M | มิถุนายน 2024 |
| DeepBrain AI, โซล | $44M Series B | สิงหาคม 2021 |
| Silicon Intelligence, หนานจิง | มากกว่า RMB 1,000 ล้าน จากการระดมทุนกว่าสิบรอบ | รายงานเมื่อ 5 กรกฎาคม 2025 |
ทั้งหมดเป็นบริษัทที่ดี แต่ละแห่งกำลังสร้างสิ่งที่ตัวเองเชื่อ แหล่งที่มาอยู่ในส่วนอ้างอิง
ทำไมทีมนี้จึงเลือกเดินออกจากอวตาร
ทีมที่บุกเบิกโมเดลมนุษย์ที่รวมเสียงและภาพเข้าด้วยกันสร้างอวตารได้ไม่แพ้ใคร แต่ทีมนี้เลือกทางตรงข้ามกับการสร้างมนุษย์ขึ้นมาใหม่ คนเสมือนจริงที่มาแทนนักแสดงนั้นรู้สึกว่างเปล่า เพราะทันทีที่รู้ว่าเป็น AI ความรู้สึกร่วมก็ลดลง (จากคนสู่คน ไม่ใช่อวตาร)
พรมแดนของงานวิจัยมองจากฝั่งนี้เป็นอย่างไร
การถ่ายทอดคนคนหนึ่งเป็นโจทย์วิจัยในตัวเอง การศึกษาที่เผยแพร่แล้ววัดว่าทีมเข้าใกล้เป้าหมายแค่ไหน
ความคล้ายผู้พูดสูงกว่าการพากย์เสียงอัตโนมัติของ YouTube
50 คู่ · 5 ภาษา · ตรึงไว้ 8 สิงหาคม 2026ใจความสำคัญเปลี่ยนหรือตกหล่นน้อยกว่าการพากย์เสียงอัตโนมัติของ YouTube
50 คู่ชุดเดียวกัน · 8 สิงหาคม 2026ของคุณภาพงานแปลจากนักแปลมนุษย์ระดับผู้เชี่ยวชาญ ถือว่าเทียบเท่ากัน
ฝรั่งเศส · จีน · ฮินดี · อินโดนีเซีย · สิงหาคม 2026ทีมกำลังผลักดันอะไรต่อ
- วันนี้
พากย์เสียงใน 13 ภาษา
สูงสุด 4K พร้อมเสียง 5.1 หรือสเตอริโอ และคุณตรวจตัวเลือกด้านการแปลได้เอง - อยู่ระหว่างพัฒนา
ข้อความในเฟรม และตัวเลือกที่มากขึ้น
ป้ายและหน้าจอถูกปรับให้เข้ากับท้องถิ่น และคุณแก้ไขการตัดสินใจด้านเสียงและภาพได้เอง - อยู่ระหว่างพัฒนา
การถ่ายทอดสด
กีฬา ข่าว และไลฟ์ - ขั้นต่อไป
สองทาง ในการประชุมและในห้องเดียวกัน
ทุกที่ที่ล่ามมนุษย์ไปได้
แหล่งอ้างอิง
- [1]Synthesia raises $200M Series E led by GV (Built In, 26 มกราคม 2026)
- [2]Nuance Labs bags $50M in funding (SiliconANGLE, 14 กันยายน 2026)
- [3]Tavus raises $40M Series B led by CRV (Scale Venture Partners, 12 พฤศจิกายน 2025)
- [4]Hedra raises $32 million (Cartoon Brew, พฤษภาคม 2025)
- [5]HeyGen raises $60M valued at $500M (Maginative, มิถุนายน 2024)
- [6]DeepBrain AI raises $44M Series B (DeepBrain AI, สิงหาคม 2021)
- [7]Silicon Intelligence ปิดการระดมทุน Series D (36Kr, 5 กรกฎาคม 2025)
- [8]JAM-Flow (ECCV 2026)
- [9]Familiar Labs เทียบกับการพากย์เสียงอัตโนมัติของ YouTube: การศึกษาบนกลุ่มตัวอย่างที่ตรึงไว้
การแปลแบบมัลติโมดัล
Familiar Labs สร้างงานพากย์ที่ก้าวกระโดดไปอีกขั้น ด้วยโมเดลพื้นฐานด้านโลคัลไลเซชันแบบมัลติโมดัล (MLFM) โมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล โมเดลเดียวที่ตัดสินใจว่าจะปรับอะไรให้เข้ากับท้องถิ่น ทั้งในข้อความ เสียง และภาพ พร้อมแสดงตัวเลือกให้คุณเห็น เสียงและริมฝีปากของคุณ ถ่ายทอดสู่ภาษาใหม่ ทีม 7 คนที่มีปริญญาเอก ได้รับการสนับสนุนจาก Samsung, RedBird และ Gold House ภารกิจของเรา
สนับสนุนโดย
Stanford
Yonsei


