ทีมของเรา

ทีมที่เลือกเดินออกจากอวตาร

FAMILIAR LABS งานวิจัยบทความทั้งหมด

บทคัดย่อ

เงินทุนในวงการวิดีโอมนุษย์ไหลไปที่อวตาร ใบหน้าและเสียงใหม่สำหรับซอฟต์แวร์ แต่นักวิจัยผู้บุกเบิกโมเดลมนุษย์ที่รวมเสียงและภาพเข้าด้วยกันเลือกไปอีกทาง Familiar Labs ถ่ายทอดการแสดงที่คนคนหนึ่งให้ไว้แล้วไปสู่ 13 ภาษา โดยที่เสียงและใบหน้ายังอยู่ครบ

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

Synthesia
รอบการระดมทุน
$200M Series E ที่มูลค่า $4B
ประกาศเมื่อ
26 มกราคม 2026
Nuance Labs
รอบการระดมทุน
$50M Series A
ประกาศเมื่อ
14 กันยายน 2026
Tavus
รอบการระดมทุน
$40M Series B
ประกาศเมื่อ
12 พฤศจิกายน 2025
Hedra
รอบการระดมทุน
$32M Series A
ประกาศเมื่อ
15 พฤษภาคม 2025
HeyGen
รอบการระดมทุน
$60M Series A ที่มูลค่า $500M
ประกาศเมื่อ
มิถุนายน 2024
DeepBrain AI, โซล
รอบการระดมทุน
$44M Series B
ประกาศเมื่อ
สิงหาคม 2021
Silicon Intelligence, หนานจิง
รอบการระดมทุน
มากกว่า RMB 1,000 ล้าน จากการระดมทุนกว่าสิบรอบ
ประกาศเมื่อ
รายงานเมื่อ 5 กรกฎาคม 2025
การระดมทุนของบริษัทอวตารและดิจิทัลฮิวแมน ตามที่มีการรายงาน
บริษัทรอบการระดมทุนประกาศเมื่อ
Synthesia$200M Series E ที่มูลค่า $4B26 มกราคม 2026
Nuance Labs$50M Series A14 กันยายน 2026
Tavus$40M Series B12 พฤศจิกายน 2025
Hedra$32M Series A15 พฤษภาคม 2025
HeyGen$60M Series A ที่มูลค่า $500Mมิถุนายน 2024
DeepBrain AI, โซล$44M Series Bสิงหาคม 2021
Silicon Intelligence, หนานจิงมากกว่า RMB 1,000 ล้าน จากการระดมทุนกว่าสิบรอบรายงานเมื่อ 5 กรกฎาคม 2025

ทั้งหมดเป็นบริษัทที่ดี แต่ละแห่งกำลังสร้างสิ่งที่ตัวเองเชื่อ แหล่งที่มาอยู่ในส่วนอ้างอิง

ทำไมทีมนี้จึงเลือกเดินออกจากอวตาร

++

เราไม่มีวันสร้างคนขึ้นมาใหม่ และเราไม่มีวันแทนที่นักแสดง

ทีมที่บุกเบิกโมเดลมนุษย์ที่รวมเสียงและภาพเข้าด้วยกันสร้างอวตารได้ไม่แพ้ใคร แต่ทีมนี้เลือกทางตรงข้ามกับการสร้างมนุษย์ขึ้นมาใหม่ คนเสมือนจริงที่มาแทนนักแสดงนั้นรู้สึกว่างเปล่า เพราะทันทีที่รู้ว่าเป็น AI ความรู้สึกร่วมก็ลดลง (จากคนสู่คน ไม่ใช่อวตาร)

พรมแดนของงานวิจัยมองจากฝั่งนี้เป็นอย่างไร

การถ่ายทอดคนคนหนึ่งเป็นโจทย์วิจัยในตัวเอง การศึกษาที่เผยแพร่แล้ววัดว่าทีมเข้าใกล้เป้าหมายแค่ไหน

FIG. 01 · การศึกษาที่เผยแพร่แล้ว · สิงหาคม 2026
182.9%

ความคล้ายผู้พูดสูงกว่าการพากย์เสียงอัตโนมัติของ YouTube

50 คู่ · 5 ภาษา · ตรึงไว้ 8 สิงหาคม 2026
70.3%

ใจความสำคัญเปลี่ยนหรือตกหล่นน้อยกว่าการพากย์เสียงอัตโนมัติของ YouTube

50 คู่ชุดเดียวกัน · 8 สิงหาคม 2026
100.3%

ของคุณภาพงานแปลจากนักแปลมนุษย์ระดับผู้เชี่ยวชาญ ถือว่าเทียบเท่ากัน

ฝรั่งเศส · จีน · ฮินดี · อินโดนีเซีย · สิงหาคม 2026

ทีมกำลังผลักดันอะไรต่อ

  1. วันนี้

    พากย์เสียงใน 13 ภาษา

    สูงสุด 4K พร้อมเสียง 5.1 หรือสเตอริโอ และคุณตรวจตัวเลือกด้านการแปลได้เอง
  2. อยู่ระหว่างพัฒนา

    ข้อความในเฟรม และตัวเลือกที่มากขึ้น

    ป้ายและหน้าจอถูกปรับให้เข้ากับท้องถิ่น และคุณแก้ไขการตัดสินใจด้านเสียงและภาพได้เอง
  3. อยู่ระหว่างพัฒนา

    การถ่ายทอดสด

    กีฬา ข่าว และไลฟ์
  4. ขั้นต่อไป

    สองทาง ในการประชุมและในห้องเดียวกัน

    ทุกที่ที่ล่ามมนุษย์ไปได้

แหล่งอ้างอิง

  1. [1]Synthesia raises $200M Series E led by GV (Built In, 26 มกราคม 2026)
  2. [2]Nuance Labs bags $50M in funding (SiliconANGLE, 14 กันยายน 2026)
  3. [3]Tavus raises $40M Series B led by CRV (Scale Venture Partners, 12 พฤศจิกายน 2025)
  4. [4]Hedra raises $32 million (Cartoon Brew, พฤษภาคม 2025)
  5. [5]HeyGen raises $60M valued at $500M (Maginative, มิถุนายน 2024)
  6. [6]DeepBrain AI raises $44M Series B (DeepBrain AI, สิงหาคม 2021)
  7. [7]Silicon Intelligence ปิดการระดมทุน Series D (36Kr, 5 กรกฎาคม 2025)
  8. [8]JAM-Flow (ECCV 2026)
  9. [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

  • Wheelhouse
  • Maximum Effort
  • Stanford
  • Yonsei
  • University of Waterloo