จุดยืน

ทำไมคอนเทนต์ส่วนใหญ่ของโลกจึงไม่เคยถูกพากย์

FAMILIAR งานวิจัยอัปเดตเมื่อ บทความทั้งหมด
อ่านบทความนี้เป็นภาษาEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

บทคัดย่อ

ไม่ใช่ “Generative AI” แต่คือการแปลที่เสริมพลังให้คนทำงานสร้างสรรค์ งานพากย์เกินเอื้อมสำหรับคนส่วนใหญ่ของโลกมาตลอด การพากย์โดยมนุษย์แบบครบวงจรอยู่ที่ $70 ถึง $150 ต่อนาทีชิ้นงานสำเร็จ ทุกภาษาต้องมีทีมนักพากย์และทีมงานของตัวเอง และทุกภาษาก็เดินตามตารางงานของตัวเอง แม้แต่งานโปรดักชันระดับท็อปจึงพากย์ได้เพียงไม่กี่ภาษา ส่วนงานโปรดักชันขนาดเล็ก รายการ และซีรีส์แนวตั้งไม่พากย์เลย กระบวนทัศน์ใหม่ ครั้งแรกของวงการ กำลังเปลี่ยนเรื่องนี้ คือโมเดลตัดสินใจด้านโลคัลไลเซชันแบบมัลติโมดัล (MLDM) โมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล ที่รับงานส่วนที่จุกจิกน่าเบื่อไป การแสดงหนึ่งครั้งจึงไปถึงผู้ชมทุกกลุ่ม
โมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล

ต้นทุนของภาษาเดียว

การพากย์โดยมนุษย์แบบครบวงจร

$70 ถึง $150

ทั้งแปลและลงเสียง ต่อนาทีชิ้นงานสำเร็จ

วิดีโอความยาว 60 นาทีหนึ่งเรื่อง

$4,200 ถึง $9,000

สำหรับภาษาปลายทางเดียว สิบภาษาก็คูณสิบ

หนังฟอร์มยักษ์รับภาระนี้ได้สำหรับตลาดที่ใหญ่ที่สุด แต่สารคดี ทอล์กโชว์ หรือซีรีส์แนวตั้งหนึ่งซีซัน มักรับไม่ไหวแม้แต่ภาษาเดียว

คนเบื้องหลังทุกภาษา

งานพากย์คืองานโปรดักชันหนึ่งชิ้น ทุกภาษาต้องมีนักแปลและผู้เรียบเรียงบท การคัดเลือกนักพากย์ นักพากย์สำหรับทุกบทบาท ผู้กำกับ สตูดิโอ และซาวด์มิกเซอร์ Catherine Retat ผู้อำนวยการอาวุโสด้านโลคัลไลเซชันคอนเทนต์ระดับโลกของ Netflix อธิบายสเกลนี้ไว้ตรงๆ ในวงเสวนาด้านโลคัลไลเซชันที่โซลว่า งานพากย์หนึ่งเวอร์ชันมักใช้คน 50 ถึง 60 คน การพากย์สิบภาษาจึงหมายถึงคนราว 500 คน ตามรายงานของ Digital Today
ที่มา [Digital Today](https://www.digitaltoday.co.kr/en/view/115229/netflix-up-to-60-people-per-language-for-dubbing-work-with-122-partners-worldwide) 15 ตุลาคม 2026

ฝีมือนั้นมีอยู่จริง และคือเหตุผลที่งานพากย์ชั้นดีฟังออกมาอย่างที่เป็น แต่ก็หมายความว่าทุกภาษาใหม่คือทีมใหม่ที่ต้องหา จอง และกำกับ

เวลา

แต่ละภาษาเดินตามตารางงานของตัวเอง:

  1. 01

    เรียบเรียงบทให้เข้ากับการขยับปาก

  2. 02

    คัดเลือกนักพากย์

  3. 03

    อัดเสียงทีละประโยค

  4. 04

    กำกับแต่ละเทค

  5. 05

    มิกซ์เทียบกับต้นฉบับ

วันฉายแทบไม่เคยรอภาษาที่ช้าที่สุด รายชื่อภาษาจึงถูกตัดเหลือแค่ภาษาที่เสร็จทัน

ใครถูกทิ้งไว้ข้างหลัง

เอาต้นทุน คน และเวลามารวมกัน ผลที่ได้คือภาพที่เราเห็นกันทุกวันนี้:

งานโปรดักชันระดับท็อป
วันนี้ทำอย่างไรพากย์เฉพาะตลาดใหญ่ที่สุดไม่กี่ตลาด
งานโปรดักชันขนาดเล็ก รายการ และซีรีส์แนวตั้ง
วันนี้ทำอย่างไรส่วนใหญ่ไม่พากย์เลย อย่างมากก็มีซับไตเติล

ผู้ชมไม่ได้รออยู่ในภาษาอังกฤษ ภาษาอังกฤษคิดเป็น 25.9% ของผู้ใช้อินเทอร์เน็ต ตามการประเมินของ Internet World Stats ณ 31 มีนาคม 2020 ที่อ้างใน Wikipedia ผู้ใช้อินเทอร์เน็ตราว 74% จึงไม่ได้พูดภาษาอังกฤษ

สำหรับคนส่วนใหญ่ในกลุ่มนี้ วิดีโอส่วนใหญ่ของโลกไม่เคยถูกพากย์

MLDM สำหรับงานส่วนที่จุกจิกน่าเบื่อ

งานพากย์ส่วนใหญ่คืองานที่ซ้ำไปมา พาทุกประโยคไปสู่ภาษาใหม่ ด้วยเสียงของผู้พูด โดยให้ริมฝีปากขยับตามคำใหม่ นั่นคือส่วนที่ MLDM รับไป ใน 30 ภาษา โมเดลตัดสินใจว่าแต่ละประโยคจะใช้คำแปลแบบไหน เสียงไหนที่ต้องแปล ใครบนจอเป็นคนพูด และริมฝีปากจะตามอย่างไร นักแสดง การแสดง จังหวะ และเสียงของฉากยังอยู่เหมือนเดิม

ทีมยังเป็นผู้คุม

ทุกการตัดสินใจถูกบันทึกไว้กับงานและแก้ไขได้ วันนี้ครีเอทีฟไดเรกเตอร์ของคุณอ่านคำแปลเทียบกับต้นฉบับก่อนเรนเดอร์ และเลือกจากตัวเลือกต่างๆ สำหรับประโยคที่ตีความได้มากกว่าหนึ่งทาง ส่วนการเลือกว่าเสียงไหนคงไว้เป็นภาษาต้นฉบับ ใบหน้าไหนเป็นคนพูด และข้อความบนหน้าจอไหนที่จะแปล ยังอยู่ระหว่างพัฒนา

ข้อมูลมาจากไหน

ข้อมูลทั้งหมดที่เราใช้เทรน ทีม Familiar เป็นผู้สร้างขึ้นเองทั้งหมด

ไม่มีอะไรถูกแต่งขึ้นใหม่ และไม่มีพรอมต์ วิดีโอของคุณเข้าไป แล้วการแสดงเดิมก็ออกมาในอีกภาษาหนึ่ง นี่ไม่ใช่ “Generative AI” ในความหมายแบบดั้งเดิม มันคือการแปล รายการที่สร้างมาเพื่อประเทศหนึ่งจึงไปถึงประเทศถัดไปได้

เราคือเครื่องมืออีกชิ้นหนึ่งในกระบวนการสร้างสรรค์

คำถาม

ทำไมรายการส่วนใหญ่จึงไม่ถูกพากย์

ต้นทุน คน และเวลา การพากย์โดยมนุษย์แบบครบวงจรอยู่ที่ $70 ถึง $150 ต่อนาทีชิ้นงานสำเร็จ แต่ละภาษาต้องมีนักพากย์ ผู้กำกับ และสตูดิโอของตัวเอง และใช้ตารางงานของตัวเอง งานโปรดักชันระดับท็อปพากย์ได้ไม่กี่ภาษา ส่วนงานโปรดักชันขนาดเล็ก รายการ และซีรีส์แนวตั้งส่วนใหญ่ไม่พากย์เลย

ใครตรวจงานพากย์ของ Familiar ก่อนปล่อย

ทีมของคุณ ทุกวิดีโอจะหยุดรอที่หน้าตรวจสอบ ให้คุณแก้ไขประโยคไหนก็ได้ก่อนเรนเดอร์ และประโยคที่ตีความได้มากกว่าหนึ่งทางจะกลับมาเป็นตัวเลือกให้เลือก

Familiar เป็น Generative AI หรือไม่

ไม่ใช่ Familiar คือโมเดลตัดสินใจด้านโลคัลไลเซชันแบบมัลติโมดัล (MLDM) ที่ตัดสินใจว่าจะปรับสิ่งที่มีอยู่แล้วให้เข้ากับท้องถิ่นอย่างไร โดยไม่มีพรอมต์ วิดีโอของคุณเข้าไป แล้วการแสดงเดิมก็ออกมาในอีกภาษาหนึ่ง ข้อมูลทั้งหมดที่เราใช้เทรน ทีม Familiar เป็นผู้สร้างขึ้นเองทั้งหมด เราคือเครื่องมืออีกชิ้นหนึ่งในกระบวนการสร้างสรรค์

แหล่งอ้างอิง

  1. [1]Digital Today, Netflix says it deploys up to 60 people per dubbed language, works with 122 partners worldwide, 15 ตุลาคม 2026
  2. [2]Wikipedia, Languages used on the Internet (Internet World Stats, 31 มีนาคม 2020) อ่านเมื่อ 24 ตุลาคม 2026
  3. [3]การพากย์เสียงราคาเท่าไหร่ในปี 2026
  4. [4]ทำไม Familiar จึงไม่ใช่ Generative AI แบบดั้งเดิม

การแปลแบบมัลติโมดัล

Familiar Labs สร้างงานพากย์ที่ก้าวกระโดดไปอีกขั้น ด้วยโมเดลตัดสินใจด้านโลคัลไลเซชันแบบมัลติโมดัล (MLDM) โมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล โมเดลเดียวที่ตัดสินใจว่าจะปรับอะไรให้เข้ากับท้องถิ่น ทั้งในข้อความ เสียง และภาพ พร้อมแสดงตัวเลือกให้คุณเห็น เสียงและริมฝีปากของคุณ ถ่ายทอดสู่ภาษาใหม่ ทีม 8 คนที่มีปริญญาเอก ได้รับการสนับสนุนจาก Samsung, RedBird และ Gold House ภารกิจของเรา

ดูเบนช์มาร์กฉบับเต็ม →คุยกับทีม