ภารกิจของเรา

เราก่อตั้งขึ้นเพื่อทำลายทุกกำแพงที่ขวางกั้นความเข้าใจ

01เรื่องราวของเรา

ทุกอย่างเริ่มจากตรงนี้

Andrew Liu CEO ของเรา เคยย้ายเข้าโรงเรียนที่เขาพูดภาษาอังกฤษกับเพื่อนร่วมชั้นไม่ได้เลย เขาเป็นคนเอเชียเพียงคนเดียวในโรงเรียนทั้งโรงเรียน และไม่มีเพื่อนสักคน เขาเรียนภาษาอังกฤษจากการดูทีวี หน้าจอคือที่ที่ภาษาอังกฤษเข้ามาถึงเขาในที่สุด และมันติดตัวเขามาจนทุกวันนี้

นี่คือเหตุผลที่ Familiar Labs เกิดขึ้น เพื่อให้ทุกอย่างที่ฉายบนจอไปถึงทุกคน ในภาษาที่เขาเข้าใจ

เราไม่แทนที่ศิลปิน เราแปลศิลปิน

02เส้นแบ่ง

รักษาความเป็นมนุษย์ไว้

ภายในปี 2030 อุตสาหกรรมบันเทิงจะมีมูลค่า 4.2 ล้านล้านดอลลาร์ อนาคตของมันเดินอยู่บนเส้นบางๆ ระหว่างการผลิตแบบโหลกับงานศิลปะ และ Familiar Labs ยืนอยู่ฝั่งศิลปะ คือรักษาการแสดงของมนุษย์และความรู้สึกร่วมที่มากับมันไว้
PwC, Global Entertainment & Media Outlook 2026–2030

ศิลปะศิลปะคืออะไร

ความพยายามและความคิดสร้างสรรค์ อย่างใดอย่างหนึ่งหรือทั้งสองอย่าง

AI สร้างงานศิลปะได้ในเส้นทางของตัวเอง เส้นทางเดียวกับที่แอนิเมชันยืนอยู่แล้ว นิยาย มังงะ และมันฮวาที่ถูกนำมาสู่จอ โดยไม่มีตัวตนของนักแสดงจริงอยู่ในนั้น แต่เมื่อ AI พยายามสร้างภาพเหมือนจริงเพื่อมาแทนนักแสดงที่ควรจะได้แสดง ผลลัพธ์กลับรู้สึกว่างเปล่า เพราะผู้ชมมาเพื่อมนุษย์

เราอยากให้มนุษย์เป็นคนร้องเพลงและแร็ป

เพลงคือการแสดงที่มาจากชีวิตที่คนคนหนึ่งผ่านมาจริง แม้เนื้อเพลงจะเป็นของคนอื่น นักร้องก็ตีความมัน และนั่นคือสิ่งที่เรารู้สึก เพลงที่ AI สร้างทั้งหมดใช้ได้ในที่ที่ไม่มีใครตั้งใจฟัง อย่างโฆษณาหรือเพลงที่เปิดในร้านค้า
03ทำไมต้องคนรุ่นใหม่

ผู้ชมรุ่นใหม่ที่สุดอยากได้ของจริง

Gen Z คือกลุ่มผู้ชมที่รสนิยมดีที่สุดเท่าที่เคยมีมา พวกเขาติดตามครีเอเตอร์เพราะตัวตนจริงของคนคนนั้น และพวกเขาดูคนจริง

สตรีมเมอร์
กีฬา
ข่าว
โฮสต์ขายของ

เราโหยหาความผูกพันระหว่างมนุษย์ บุคลิกของคนคนหนึ่ง เสน่ห์บางอย่างที่อธิบายไม่ได้ มนุษย์เห็นอกเห็นใจมนุษย์ด้วยกัน และความรู้สึกร่วมจะลดลงทันทีที่รู้ว่าเป็น AI

04ผู้แสดง

นักแสดงและนักร้องจะยังเป็นมนุษย์ เกือบทั้งหมด

ต่อให้ผ่านไปอีกหลายสิบปี ภาพยนตร์ ทีวี และเพลงที่ไม่มีมนุษย์แสดงเลยก็จะยังเป็นส่วนน้อย แล้วทำไม AI ต้องมาแทนที่ศิลปินที่ใช้ชีวิตอยู่กับบทบาทของตัวเองด้วย

ฉากหน้ายังเป็นของมนุษย์
ผู้แสดงคือใครก็ตามที่ดึงความสนใจของเราไว้ ทั้งนักแสดง นักร้อง หรือมือกีตาร์ที่ริฟของเขาพาทั้งเพลงไป
ฉากหลังยกให้ AI
CGI วิชวลเอฟเฟกต์ และอาจรวมถึงตัวประกอบ เมื่องานดีพอ นั่นคืองานโปรดักชัน และไม่ใช่ปัญหาอะไร
ศิลปะที่สร้างด้วย AI
AI จะสร้างผลงานที่ยอดเยี่ยมจริงๆ ได้บ้าง ด้วยความพยายามสูงและความคิดสร้างสรรค์สูง เรายินดีต้อนรับงานแบบนั้น
ฉากแบบนี้
“ถ้ารู้ว่าเป็น AI ผมก็รู้สึกแบบเดิมไม่ได้แล้ว”
Andrew Liu | CEO

สมมติว่าวันหนึ่ง AI ทำได้ถึงคุณภาพระดับนี้ สิ่งที่ยังขาดไปก็คือความรู้สึกร่วม ทั้งความผูกพันระหว่างมนุษย์ และความอยากสนับสนุนคนที่สร้างงานนี้ขึ้นมา

ฉากจบของ La La Land นครดารา (2016) ตั้งแต่ 7:47

สิ่งที่เราเลือกสนับสนุนส่วนใหญ่จะยังเป็นมนุษย์ ความรู้สึกร่วมที่เรามีต่อคนคนหนึ่งไม่ใช่อคติที่จะจางหายไป แต่คือวิธีที่เราใช้ชีวิต รัก และใช้ภาษา

05กำแพง

ภาษาคือกำแพงที่กั้นระหว่างผู้คนมาตลอด

  • พ่อแม่ที่คุยกับครูของลูกไม่ได้

  • ผู้ป่วยที่บอกหมอไม่ได้ว่าตัวเองเป็นอะไร

  • พยานที่พูดแล้วไม่มีใครเข้าใจในภาษาที่ศาลใช้

06สิ่งที่เราเป็น

MLFM สำหรับงานส่วนที่จุกจิกน่าเบื่อ

โมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล
  • ฟุตเทจของคุณ เสียงของคุณ ใบหน้าของคุณ ไม่มีอะไรถูกแต่งขึ้นใหม่
  • ไม่มีพรอมต์ ไม่ได้สุ่มสร้างอะไรขึ้นมาใหม่
  • ข้อมูลทั้งหมดที่เราใช้เทรน ทีม Familiar Labs เป็นผู้สร้างขึ้นเองทั้งหมด

โมเดลเดียวที่ตัดสินใจว่าจะปรับอะไรให้เข้ากับท้องถิ่น และปรับอย่างไร ทั้งในข้อความ เสียง และภาพ พร้อมแสดงตัวเลือกที่สำคัญให้คุณเห็น แปลก่อน แล้วพากย์ทั้งหมดในครั้งเดียว ทั้งเสียง ริมฝีปาก และฉากไปพร้อมกัน ทุกการตัดสินใจสอดคล้องกันเพราะมาจากโมเดลเดียว คนบนจอยังเป็นคนเดิมเสมอ

ไม่ใช่ “Generative AI” แต่คือการแปลที่เสริมพลังให้คนทำงานสร้างสรรค์

เราคือเครื่องมืออีกชิ้นหนึ่งในกระบวนการสร้างสรรค์

การแปล

จะแปลประโยคนี้แบบไหน

วันนี้
  • ชั่งน้ำหนักคำแปลหลายแบบ ครีเอทีฟไดเรกเตอร์ของคุณเห็นตัวเลือกพร้อมเหตุผล แล้วตัดสินใจเอง
  • อะไรไม่ต้องแปล คงคำสแลงไว้ตามที่พูด คงชื่อและแบรนด์เดิมไว้
  • เปลี่ยนการอ้างอิงเป็นสิ่งที่ผู้ชมคุ้นเคย ระวังสิ่งที่วัฒนธรรมนั้นเลี่ยง ลดคำหยาบลงสำหรับเวอร์ชันผู้ชมอายุน้อย
เสียง

เลือกว่าจะแปลอะไรบ้าง

วันนี้
  • หาเสียงหลักที่ต้องแปล แล้วพากย์ด้วยเสียงของผู้พูดเอง
  • เสียงหัวเราะ เสียงฝูงชน เสียงตะโกน เสียงคนพูดที่ฟังไม่ออก คงไว้อย่างเดิม
อยู่ระหว่างพัฒนา
  • เก็บเสียงร้องเชียร์ เสียงโห่ร้อง หรือวลีสั้นๆ ไว้เป็นภาษาต้นฉบับ
ภาพ

เลือกว่าจะปรับอะไรบนจอ

วันนี้
  • ใครคือคนที่พูดจริงๆ ใครเป็นผู้บรรยาย ใครพูดจากนอกจอ
  • ริมฝีปาก รวมถึงการบดบังและการให้เหตุผลเชิงพื้นที่
  • สีหน้าและท่าทาง ในจังหวะที่ต้องเน้นหรือเมื่อวัฒนธรรมนั้นต้องการ
อยู่ระหว่างพัฒนา
  • ข้อความในเฟรม เช่น หน้าจอโทรศัพท์ ปกหนังสือ ป้ายถนน หน้าร้าน โดยใช้คำที่คุณเลือกไว้แล้ว
  • ตัดสินใจทันทีว่าอะไรคงไว้ตามที่ถ่ายมา ถุง Tostitos ก็ยังเป็น Tostitos
  • บทพูดไหนเป็นของใบหน้าไหน และจะแปลข้อความไหน
07จุดเริ่มต้น

เราเริ่มจากจุดที่กำแพงนี้ทำให้เสียหายมากที่สุด นั่นคือวิดีโอ

74%ของผู้ใช้อินเทอร์เน็ตไม่ได้พูดภาษาอังกฤษ

การพากย์โดยมนุษย์ยังใช้ไม่ได้จริงกับคนส่วนใหญ่ของโลก แม้แต่งานโปรดักชันระดับท็อปก็พากย์ได้แค่ไม่กี่ภาษา เพราะติดทั้งค่าใช้จ่าย คน และเวลา ส่วนงานโปรดักชันขนาดเล็ก รายการ และละครสั้นแนวตั้งไม่ได้พากย์เลย

พิสูจน์มาแล้วหลายปี จากการดูแลช่องต่างประเทศให้ Veritasium, 3Blue1Brown และ Welch Labs ที่บริษัทซึ่ง CTO ของเราเคยบริหาร

▚ ครั้งเดียวจบ ไม่ใช่หลายสัปดาห์ ▞

FAMILIAR LABS · ครั้งเดียวจบ
Familiar LabsFamiliar Labs
เครื่องมือช่วยพากย์ด้านภาพ · หลายสัปดาห์
FlawlessFlawless
เครื่องมือแบบครั้งเดียวจบ · ควบคุมไม่ได้
HeyGenHeyGenElevenLabsElevenLabs

เครื่องมือช่วยงานที่อุตสาหกรรมใช้กันอยู่ทุกวันนี้ต้องใช้ทีมศิลปิน VFX และเวลาหลายสัปดาห์ต่อโปรเจกต์ และทุกภาษาก็คือโปรเจกต์ใหม่

การอัปโหลด
FAMILIAR LABS · ครั้งเดียวจบอัปโหลดครั้งเดียว ได้ครบทุกภาษา
เครื่องมือช่วยพากย์ด้านภาพ · หลายสัปดาห์ไฟล์มาสเตอร์ พร้อมแทร็กเสียงพากย์แยกทีละภาษา แล้วตามด้วยงาน VFX อีกหลายสัปดาห์
เครื่องมือแบบครั้งเดียวจบ · ควบคุมไม่ได้อัปโหลดครั้งเดียว ได้อะไรออกมาก็ต้องใช้อย่างนั้นคุณภาพต่ำมากตรวจคำแปลไม่ได้เลย
การแปล
FAMILIAR LABS · ครั้งเดียวจบครีเอทีฟไดเรกเตอร์ของคุณตรวจก่อนเริ่มพากย์ บรรทัดที่ฟังได้หลายความหมายจะกลับมาให้เลือกสามแบบ
เครื่องมือช่วยพากย์ด้านภาพ · หลายสัปดาห์ทำเสร็จก่อนเครื่องมือจะเริ่มทำงาน อยู่ในแทร็กเสียงพากย์ที่คุณเตรียมมาเอง
เครื่องมือแบบครั้งเดียวจบ · ควบคุมไม่ได้บนโมเดลปัจจุบันแก้ไม่ได้ ยกเว้นผ่าน API ของแพ็กเกจ Enterprise ส่วนตัวแก้ไขที่แก้ได้คือโมเดลรุ่นเก่า ซึ่งอยู่ในโหมดบำรุงรักษา
เสียง
FAMILIAR LABS · ครั้งเดียวจบเสียงของผู้พูดเอง ส่วนเสียงดนตรี เสียงหัวเราะ และเสียงบรรยากาศของห้องยังอยู่ครบ
เครื่องมือช่วยพากย์ด้านภาพ · หลายสัปดาห์แล้วแต่ว่าแทร็กเสียงพากย์ที่คุณเตรียมมามีอะไรอยู่
เครื่องมือแบบครั้งเดียวจบ · ควบคุมไม่ได้เสียงพากย์เพี้ยนไปจากผู้พูด เสียงดนตรีและเสียงบรรยากาศหายไป
ใครเป็นคนพูด
FAMILIAR LABS · ครั้งเดียวจบโมเดลตัดสินเองว่าใครบนจอเป็นคนพูด
เครื่องมือช่วยพากย์ด้านภาพ · หลายสัปดาห์ศิลปินต้องครอปทุกใบหน้าในทุกเฟรม และให้คนตัดสินเอง
เครื่องมือแบบครั้งเดียวจบ · ควบคุมไม่ได้ลิปซิงค์ต้องเดาเอง พอมีหลายคนในเฟรม ปากที่ขยับก็ผิดคน
ช็อตยาก
FAMILIAR LABS · ครั้งเดียวจบมือ ไมโครโฟน การเคลื่อนไหวเร็ว ภาพเบลอ หลายเสียงพูดพร้อมกัน ทั้งการบดบังและการให้เหตุผลเชิงพื้นที่ก็จบในช็อตเดียวกัน
เครื่องมือช่วยพากย์ด้านภาพ · หลายสัปดาห์ทุกช็อตต้องให้คนแก้ทีละจุดก่อนตรวจงาน
เครื่องมือแบบครั้งเดียวจบ · ควบคุมไม่ได้มือบังใบหน้า ไมโครโฟน ภาพเบลอ โบเก้ มุมข้าง ลิปซิงค์ก็พังทันที

ส่วนเครื่องมือแบบครั้งเดียวจบในวันนี้ต้องยอมเสียอย่างอื่นไปทั้งหมด แก้คำแปลไม่ได้ เสียงดนตรีและเสียงบรรยากาศของห้องหายไป เสียงพากย์เพี้ยนไปจากผู้พูด และปากก็ขยับพลาดทันทีที่มีมือบังใบหน้า ไมโครโฟน ภาพเบลอ โบเก้ มุมข้าง หรือมีหลายคนอยู่ในเฟรม ไม่มีการให้เหตุผลเชิงพื้นที่ ไม่มีความเข้าใจโลก และไม่มีการควบคุม

Familiar Labs vs Flawless TrueSync →
08บทบาทของเรา
++
จากคนสู่คน ไปถึงผู้ชมได้กว้างไกลกว่าเดิม

เราถ่ายทอดการแสดงที่คนคนหนึ่งให้ไว้ไปสู่ทุกภาษา โดยที่เสียง ใบหน้า เสียงตะโกน และเสียงกระซิบของเขายังอยู่ครบ

เราไม่มีวันสร้างคนขึ้นมาใหม่ เราไม่มีวันแทนที่นักแสดง

  1. วันนี้

    พากย์เสียงใน 13 ภาษา

  2. อยู่ระหว่างพัฒนา

    การถ่ายทอดสด ทั้งกีฬา ข่าว และไลฟ์

  3. ขั้นต่อไป

    สองทาง ในการประชุมและในห้องเดียวกัน

นักวิจัยที่สร้างมนุษย์ขึ้นมาใหม่ได้ เลือกที่จะถ่ายทอดมนุษย์ตัวจริง

09เพลง

พากย์ ไม่ใช่สร้างขึ้นใหม่

เราคือขั้วตรงข้ามของ AI สร้างเพลง เราไม่เห็นด้วยกับการแทนที่มนุษย์ AI ควรถูกใช้แบบนี้ต่างหาก ให้ผู้คนต่างวัฒนธรรมได้เข้าใจเพลงเดียวกัน

Andrew Liu CEO ของเรา เป็นออดิโอไฟล์และนักดนตรี เล่นทั้งเปียโน เชลโล และเบส แม่ของเขาชอบแบ่งปันเพลงให้ฟังและร้องให้เขาฟัง เขาเข้าใจภาษาจีนกลางอยู่บ้าง แต่พอเป็นเพลง คำร้องก็หลุดผ่านไปหมด พ่อแม่และครอบครัวของเรารักเพลงที่เราฟังไม่ออก และเราก็รักเพลงภาษาอังกฤษที่พวกท่านฟังไม่ออกเช่นกัน Song Dubbing ถ่ายทอดได้ทั้งสองทาง เพลงของพวกท่านมาถึงเรา และเพลงของเราไปถึงพวกท่านเป็นภาษาเกาหลีและภาษาจีน ให้ท่านเข้าใจและได้ฟังไปด้วยกัน ทั้งทีมรักการร้องเพลงและคาราโอเกะ เราทุกคนอยากเข้าใจเนื้อเพลงที่เราฟัง

อยากเพิ่มเพลงแปลพวกนี้เข้าเพลย์ลิสต์ของผมเลย
Jaeseok Jeong | นักวิจัยหลัก

Song Dubbingการพากย์เพลงที่แท้จริงครั้งแรก

เพลงที่คุณรู้จัก ด้วยเสียงของนักร้องคนเดิม ในอีกภาษาหนึ่ง ที่ผ่านมาเพลงจะข้ามภาษาได้ก็ต่อเมื่อมีการร้องใหม่ ไม่ว่าจะเป็นศิลปินร้องเอง นักร้องคนอื่นร้องแทน หรือเสียงร้องใหม่ที่ทำขึ้นมา แต่ที่นี่ไม่มีการร้องใหม่ การแสดงต้นฉบับถูกถ่ายทอดไปทั้งหมด

สำหรับค่ายเพลงและศิลปินในสังกัด ทีละอัลบั้ม ในรูปแบบบริการที่ดูแลใกล้ชิดทุกขั้นตอน ทุกท่อนถูกแปลให้ร้องได้ คงทั้งพยางค์ สัมผัส โฟลว์ และความหมาย และศิลปินอนุมัติเนื้อเพลงในทุกภาษาก่อนจะปล่อยออกไป

10ทำไมต้องแคนาดา

เป็นแคนาดา และเป็นสากล

Familiar Labs ตั้งอยู่ที่โทรอนโต และทำงานร่วมกับเพื่อนๆ ทั่วสหภาพยุโรปและทั่วโลก รากของเราพาเราไปทลายกำแพงภาษาในทุกที่ ลงไปจนถึงภาษาที่เฉพาะกลุ่มมากขึ้นเรื่อยๆ

วันนี้

13 ภาษา จากภาษาไหนสู่ภาษาไหนก็ได้

  • เกาหลี
  • จีน
  • ญี่ปุ่น
  • ไทย
  • โปรตุเกส (บราซิล)
  • ฝรั่งเศส (ฝรั่งเศส)
  • เยอรมัน
  • รัสเซีย
  • สเปน (ละตินอเมริกา)
  • อังกฤษ
  • อาหรับ
  • อิตาลี
  • ฮินดี
อยู่ในโรดแมป
ภาษาฝรั่งเศสแบบควิเบก
อยู่ในโรดแมป
ภาษาของชนพื้นเมืองในแคนาดา

ทิมมินส์ ออนแทรีโอตอนเหนือ

CEO ของเราเติบโตที่นั่น ในโรงเรียนประถมที่มีแต่เด็กผิวขาวกับเด็กชนพื้นเมือง First Nations เพื่อนของเขาเป็นเด็กลูกครึ่งหรือเด็ก First Nations จากชุมชนที่มักถูกมองข้าม พร้อมภาษาที่ถูกมองข้ามไม่ต่างกัน ออนแทรีโอตอนเหนือสนุกดี

วิสัยทัศน์ของเรา: โลกที่ทุกคนได้รับความเข้าใจ

11คุณค่าของเรา

เรายืนหยัดต่อต้านคอนเทนต์ขยะจาก AI และดีปเฟก

อยู่ข้างมนุษย์ ไม่ใช่ของสังเคราะห์

เสียงและใบหน้าของคุณเอง

ต่อต้านคอนเทนต์ขยะ ทุกอย่างต้องยินยอม

แค่แปล ไม่แทนที่ เก็บความยินยอมและที่มาของทุกชิ้นงาน

พิสูจน์แล้วจริง ไม่ใช่แค่ทฤษฎี

เผยแพร่เบนช์มาร์กเทียบกับ ElevenLabs, YouTube และนักแปลมนุษย์ ด้วยคลิปชุดเดียวกัน

ควบคุมได้ มีมาให้ในตัว

ตรวจสอบก่อนเผยแพร่เป็นค่าเริ่มต้น ชื่อแบรนด์และคำเฉพาะคงเดิมทุกตัวอักษร

ไม่มีดีปเฟกมีแต่การแปล
▚ ทีมของเรา ▞

วิจัยและสร้างด้วย

Andrew Liu
Andrew LiuCEOผู้อนุมัติสิทธิ์เข้าถึง
Jibin Song
Jibin Songหัวหน้านักวิทยาศาสตร์ผู้ดูแลคีย์คนที่สอง | ผู้อนุมัติการเปลี่ยนแปลง
Mingi Kwon
Mingi KwonCTOหัวหน้าฝ่ายความปลอดภัย | ผู้ดูแลคีย์ | ผู้รับรองการลบ
Google Scholar ↗
Jaeseok Jeong
Jaeseok Jeongนักวิจัยหลักผู้ทำงานกับคอนเทนต์
Google Scholar ↗
Michael Chan
Michael ChanCBOหัวหน้ารับมือเหตุการณ์
Taehwan Lee
Taehwan LeeMember of Technical Staff
Tonghyun Lee
Tonghyun LeeMember of Technical Staff
Prof. Xu Zheng
Prof. Xu Zhengที่ปรึกษา
Prof. Youngjung Uh
Prof. Youngjung Uhที่ปรึกษา
Google Scholar ↗
▚ งานวิจัย ▞
การสร้างภาพและเสียงไปพร้อมกัน

เสียงและใบหน้ามาจากโมเดลตัวเดียว ตัวตนจึงไม่มีวันแยกออกจากกัน สาขาที่เราบุกเบิกด้วย JAM-Flow

การสร้างมนุษย์ให้เคลื่อนไหวแบบเรียลไทม์

มนุษย์แบบเรียลไทม์ที่เหมือนตัวจริงที่สุดในปัจจุบัน SoulX-LiveAct ทำให้คนเคลื่อนไหวได้ที่ 20 เฟรมต่อวินาที เสถียรต่อเนื่องได้เป็นชั่วโมง

การสร้างวิดีโอแบบรวดเร็ว

การกลั่นโมเดล การทำ guidance และการสุ่มตัวอย่าง คืองานวิจัยที่ทำให้โมเดลดิฟฟิวชันเร็วพอจะใช้แบบเรียลไทม์ได้

การแก้ไขภายในโมเดลดิฟฟิวชัน

การแก้ไขภายในโมเดลดิฟฟิวชันที่ฟรีซไว้ ตั้งแต่การค้นพบ h-space ไปจนถึงการคุมสไตล์และการลบข้อความบนจอ

การรับรู้แบบมัลติโมดัล

อ่านฉากให้เข้าใจก่อนลงมือแก้ไข รู้ว่าใครกำลังพูดจากทั้งภาพและเสียงประกอบกัน ไม่ว่าในสภาพแวดล้อมแบบไหน

ตั้งแต่ปี 2021 ได้รับการอ้างอิงมากกว่า 10,000 ครั้ง และตีพิมพ์บทความวิจัยกว่า 100 เรื่องใน ICLR, NeurIPS, CVPR, ECCV และอื่น ๆ

สนับสนุนโดย

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