ภารกิจของเรา
เราก่อตั้งขึ้นเพื่อทำลายทุกกำแพงที่ขวางกั้นความเข้าใจ
ทุกอย่างเริ่มจากตรงนี้
Andrew Liu CEO ของเรา เคยย้ายเข้าโรงเรียนที่เขาพูดภาษาอังกฤษกับเพื่อนร่วมชั้นไม่ได้เลย เขาเป็นคนเอเชียเพียงคนเดียวในโรงเรียนทั้งโรงเรียน และไม่มีเพื่อนสักคน เขาเรียนภาษาอังกฤษจากการดูทีวี หน้าจอคือที่ที่ภาษาอังกฤษเข้ามาถึงเขาในที่สุด และมันติดตัวเขามาจนทุกวันนี้
นี่คือเหตุผลที่ Familiar Labs เกิดขึ้น เพื่อให้ทุกอย่างที่ฉายบนจอไปถึงทุกคน ในภาษาที่เขาเข้าใจ
เราไม่แทนที่ศิลปิน เราแปลศิลปิน
รักษาความเป็นมนุษย์ไว้
ศิลปะศิลปะคืออะไร
AI สร้างงานศิลปะได้ในเส้นทางของตัวเอง เส้นทางเดียวกับที่แอนิเมชันยืนอยู่แล้ว นิยาย มังงะ และมันฮวาที่ถูกนำมาสู่จอ โดยไม่มีตัวตนของนักแสดงจริงอยู่ในนั้น แต่เมื่อ AI พยายามสร้างภาพเหมือนจริงเพื่อมาแทนนักแสดงที่ควรจะได้แสดง ผลลัพธ์กลับรู้สึกว่างเปล่า เพราะผู้ชมมาเพื่อมนุษย์
เราอยากให้มนุษย์เป็นคนร้องเพลงและแร็ป
ผู้ชมรุ่นใหม่ที่สุดอยากได้ของจริง
Gen Z คือกลุ่มผู้ชมที่รสนิยมดีที่สุดเท่าที่เคยมีมา พวกเขาติดตามครีเอเตอร์เพราะตัวตนจริงของคนคนนั้น และพวกเขาดูคนจริง
เราโหยหาความผูกพันระหว่างมนุษย์ บุคลิกของคนคนหนึ่ง เสน่ห์บางอย่างที่อธิบายไม่ได้ มนุษย์เห็นอกเห็นใจมนุษย์ด้วยกัน และความรู้สึกร่วมจะลดลงทันทีที่รู้ว่าเป็น AI
นักแสดงและนักร้องจะยังเป็นมนุษย์ เกือบทั้งหมด
ต่อให้ผ่านไปอีกหลายสิบปี ภาพยนตร์ ทีวี และเพลงที่ไม่มีมนุษย์แสดงเลยก็จะยังเป็นส่วนน้อย แล้วทำไม AI ต้องมาแทนที่ศิลปินที่ใช้ชีวิตอยู่กับบทบาทของตัวเองด้วย
“ถ้ารู้ว่าเป็น AI ผมก็รู้สึกแบบเดิมไม่ได้แล้ว”
สมมติว่าวันหนึ่ง AI ทำได้ถึงคุณภาพระดับนี้ สิ่งที่ยังขาดไปก็คือความรู้สึกร่วม ทั้งความผูกพันระหว่างมนุษย์ และความอยากสนับสนุนคนที่สร้างงานนี้ขึ้นมา
สิ่งที่เราเลือกสนับสนุนส่วนใหญ่จะยังเป็นมนุษย์ ความรู้สึกร่วมที่เรามีต่อคนคนหนึ่งไม่ใช่อคติที่จะจางหายไป แต่คือวิธีที่เราใช้ชีวิต รัก และใช้ภาษา
ภาษาคือกำแพงที่กั้นระหว่างผู้คนมาตลอด
พ่อแม่ที่คุยกับครูของลูกไม่ได้
ผู้ป่วยที่บอกหมอไม่ได้ว่าตัวเองเป็นอะไร
พยานที่พูดแล้วไม่มีใครเข้าใจในภาษาที่ศาลใช้
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
จะแปลประโยคนี้แบบไหน
- ชั่งน้ำหนักคำแปลหลายแบบ ครีเอทีฟไดเรกเตอร์ของคุณเห็นตัวเลือกพร้อมเหตุผล แล้วตัดสินใจเอง
- อะไรไม่ต้องแปล คงคำสแลงไว้ตามที่พูด คงชื่อและแบรนด์เดิมไว้
- เปลี่ยนการอ้างอิงเป็นสิ่งที่ผู้ชมคุ้นเคย ระวังสิ่งที่วัฒนธรรมนั้นเลี่ยง ลดคำหยาบลงสำหรับเวอร์ชันผู้ชมอายุน้อย
เลือกว่าจะแปลอะไรบ้าง
- หาเสียงหลักที่ต้องแปล แล้วพากย์ด้วยเสียงของผู้พูดเอง
- เสียงหัวเราะ เสียงฝูงชน เสียงตะโกน เสียงคนพูดที่ฟังไม่ออก คงไว้อย่างเดิม
- เก็บเสียงร้องเชียร์ เสียงโห่ร้อง หรือวลีสั้นๆ ไว้เป็นภาษาต้นฉบับ
เลือกว่าจะปรับอะไรบนจอ
- ใครคือคนที่พูดจริงๆ ใครเป็นผู้บรรยาย ใครพูดจากนอกจอ
- ริมฝีปาก รวมถึงการบดบังและการให้เหตุผลเชิงพื้นที่
- สีหน้าและท่าทาง ในจังหวะที่ต้องเน้นหรือเมื่อวัฒนธรรมนั้นต้องการ
- ข้อความในเฟรม เช่น หน้าจอโทรศัพท์ ปกหนังสือ ป้ายถนน หน้าร้าน โดยใช้คำที่คุณเลือกไว้แล้ว
- ตัดสินใจทันทีว่าอะไรคงไว้ตามที่ถ่ายมา ถุง Tostitos ก็ยังเป็น Tostitos
- บทพูดไหนเป็นของใบหน้าไหน และจะแปลข้อความไหน
เราเริ่มจากจุดที่กำแพงนี้ทำให้เสียหายมากที่สุด นั่นคือวิดีโอ
การพากย์โดยมนุษย์ยังใช้ไม่ได้จริงกับคนส่วนใหญ่ของโลก แม้แต่งานโปรดักชันระดับท็อปก็พากย์ได้แค่ไม่กี่ภาษา เพราะติดทั้งค่าใช้จ่าย คน และเวลา ส่วนงานโปรดักชันขนาดเล็ก รายการ และละครสั้นแนวตั้งไม่ได้พากย์เลย
พิสูจน์มาแล้วหลายปี จากการดูแลช่องต่างประเทศให้ Veritasium, 3Blue1Brown และ Welch Labs ที่บริษัทซึ่ง CTO ของเราเคยบริหาร
▚ ครั้งเดียวจบ ไม่ใช่หลายสัปดาห์ ▞
Flawless
Flawlessเครื่องมือช่วยงานที่อุตสาหกรรมใช้กันอยู่ทุกวันนี้ต้องใช้ทีมศิลปิน VFX และเวลาหลายสัปดาห์ต่อโปรเจกต์ และทุกภาษาก็คือโปรเจกต์ใหม่
ส่วนเครื่องมือแบบครั้งเดียวจบในวันนี้ต้องยอมเสียอย่างอื่นไปทั้งหมด แก้คำแปลไม่ได้ เสียงดนตรีและเสียงบรรยากาศของห้องหายไป เสียงพากย์เพี้ยนไปจากผู้พูด และปากก็ขยับพลาดทันทีที่มีมือบังใบหน้า ไมโครโฟน ภาพเบลอ โบเก้ มุมข้าง หรือมีหลายคนอยู่ในเฟรม ไม่มีการให้เหตุผลเชิงพื้นที่ ไม่มีความเข้าใจโลก และไม่มีการควบคุม
Familiar Labs vs Flawless TrueSync →เราถ่ายทอดการแสดงที่คนคนหนึ่งให้ไว้ไปสู่ทุกภาษา โดยที่เสียง ใบหน้า เสียงตะโกน และเสียงกระซิบของเขายังอยู่ครบ
เราไม่มีวันสร้างคนขึ้นมาใหม่ เราไม่มีวันแทนที่นักแสดง
- วันนี้
พากย์เสียงใน 13 ภาษา
- อยู่ระหว่างพัฒนา
การถ่ายทอดสด ทั้งกีฬา ข่าว และไลฟ์
- ขั้นต่อไป
สองทาง ในการประชุมและในห้องเดียวกัน
นักวิจัยที่สร้างมนุษย์ขึ้นมาใหม่ได้ เลือกที่จะถ่ายทอดมนุษย์ตัวจริง
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
Song Dubbingการพากย์เพลงที่แท้จริงครั้งแรก
สำหรับค่ายเพลงและศิลปินในสังกัด ทีละอัลบั้ม ในรูปแบบบริการที่ดูแลใกล้ชิดทุกขั้นตอน ทุกท่อนถูกแปลให้ร้องได้ คงทั้งพยางค์ สัมผัส โฟลว์ และความหมาย และศิลปินอนุมัติเนื้อเพลงในทุกภาษาก่อนจะปล่อยออกไป
เป็นแคนาดา และเป็นสากล
Familiar Labs ตั้งอยู่ที่โทรอนโต และทำงานร่วมกับเพื่อนๆ ทั่วสหภาพยุโรปและทั่วโลก รากของเราพาเราไปทลายกำแพงภาษาในทุกที่ ลงไปจนถึงภาษาที่เฉพาะกลุ่มมากขึ้นเรื่อยๆ
13 ภาษา จากภาษาไหนสู่ภาษาไหนก็ได้
- เกาหลี
- จีน
- ญี่ปุ่น
- ไทย
- โปรตุเกส (บราซิล)
- ฝรั่งเศส (ฝรั่งเศส)
- เยอรมัน
- รัสเซีย
- สเปน (ละตินอเมริกา)
- อังกฤษ
- อาหรับ
- อิตาลี
- ฮินดี
ทิมมินส์ ออนแทรีโอตอนเหนือ
วิสัยทัศน์ของเรา: โลกที่ทุกคนได้รับความเข้าใจ
เรายืนหยัดต่อต้านคอนเทนต์ขยะจาก AI และดีปเฟก
อยู่ข้างมนุษย์ ไม่ใช่ของสังเคราะห์
เสียงและใบหน้าของคุณเอง
ต่อต้านคอนเทนต์ขยะ ทุกอย่างต้องยินยอม
แค่แปล ไม่แทนที่ เก็บความยินยอมและที่มาของทุกชิ้นงาน
พิสูจน์แล้วจริง ไม่ใช่แค่ทฤษฎี
เผยแพร่เบนช์มาร์กเทียบกับ ElevenLabs, YouTube และนักแปลมนุษย์ ด้วยคลิปชุดเดียวกัน
ควบคุมได้ มีมาให้ในตัว
ตรวจสอบก่อนเผยแพร่เป็นค่าเริ่มต้น ชื่อแบรนด์และคำเฉพาะคงเดิมทุกตัวอักษร
วิจัยและสร้างด้วย

หลายคนในทีมของเราเรียนภาษาอังกฤษมาจากทีวี Andrew Liu CEO ของเรา เคยพูดภาษาอังกฤษกับเพื่อนร่วมชั้นไม่ได้ ไม่มีเพื่อนสักคน และเป็นคนเอเชียเพียงคนเดียวในโรงเรียนทั้งโรงเรียน เขาเรียนภาษาจากการดูทีวี และมันติดตัวเขามาจนทุกวันนี้
นี่คือเหตุผลที่ Familiar Labs เกิดขึ้น เพื่อให้ทุกอย่างที่ฉายบนจอไปถึงทุกคน ในภาษาที่เขาเข้าใจ








เสียงและใบหน้ามาจากโมเดลตัวเดียว ตัวตนจึงไม่มีวันแยกออกจากกัน สาขาที่เราบุกเบิกด้วย JAM-Flow
มนุษย์แบบเรียลไทม์ที่เหมือนตัวจริงที่สุดในปัจจุบัน SoulX-LiveAct ทำให้คนเคลื่อนไหวได้ที่ 20 เฟรมต่อวินาที เสถียรต่อเนื่องได้เป็นชั่วโมง
การกลั่นโมเดล การทำ guidance และการสุ่มตัวอย่าง คืองานวิจัยที่ทำให้โมเดลดิฟฟิวชันเร็วพอจะใช้แบบเรียลไทม์ได้
การแก้ไขภายในโมเดลดิฟฟิวชันที่ฟรีซไว้ ตั้งแต่การค้นพบ h-space ไปจนถึงการคุมสไตล์และการลบข้อความบนจอ
อ่านฉากให้เข้าใจก่อนลงมือแก้ไข รู้ว่าใครกำลังพูดจากทั้งภาพและเสียงประกอบกัน ไม่ว่าในสภาพแวดล้อมแบบไหน
สนับสนุนโดย
Stanford
Yonsei


