工作流程

創作流程裡的另一件工具

FAMILIAR 研究更新於 全部文章
語言版本EnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

摘要

一條配音由上百個細小的創作決定組成：哪些名字照原話保留、一個笑位在日語裡怎樣才奏效、一句挖苦讀來是冷淡還是俏皮。Familiar 是多模態本地化決策模型（MLDM），首個多模態翻譯基礎模型，屬全新範式，業界首創。它把每一個這樣的決定都留給你的團隊，負責的是圍繞這些決定的重複工作：用說話者自己的聲音把每一句對白譯成 30 種語言、配合唇形、保留場景聲音，以及整理好所有檔案。
首個多模態翻譯基礎模型

規則只需設定一次

在第一句對白起稿之前，有兩樣東西已經決定了每一次翻譯的方向。你的團隊可以在控制台或 API 設定兩者，按創作者或按影片設定：

不翻譯清單
作用口頭禪、名字、品牌和俚語，在每一種語言裡都完全照原話保留：主持人的招牌感嘆、朋友之間的花名、遊戲角色。
背景簡介
作用用一句話說明這個頻道或這條影片是甚麼：鏡頭上是誰、屬於哪類影片。同一句話，在烹飪節目和法庭劇裡的譯法並不一樣。

範圍越窄的設定越優先：針對某一條影片的規則，只會在該條影片上取代創作者的預設。

揀選最奏效的一句

有些對白可以有多於一種落點。一個雙關語、一句挖苦、一句視乎演員表情可以讀成真誠也可以讀成諷刺的話。遇上這些對白，翻譯會交回三個選項，每個都標明意圖和情緒：保留雙關、帶點尷尬；只譯字面意思、語氣真誠；換一個新笑話、語氣俏皮。由你的創意總監選定一個，就像他們決定照原話保留一個俚語，或者為面向年輕觀眾的版本收斂粗口一樣。角色想表達甚麼，始終由你決定。

對照原文修改

每一句譯文都放在原文旁邊，懂兩種語言的審閱人員可以在渲染前改寫任何一句。在控制台，每條影片都會在審閱畫面暫停，團隊批准之前甚麼都不會渲染；信任這套流程的團隊可以略過這一步。透過 API，同一道關卡只是一項設定，每種語言可以在審閱人員逐一批准後分別發出。

交回來的檔案

每種語言交回時都已準備好，可以直接進剪接室或上載排程：

完成的影片

最高 4K

完整混音

真正的 5.1 環繞聲或立體聲

由你揀選，24-bit PCM WAV，另附獨立人聲軌供你自行混音。

字幕

.srt 和 .vtt

按審閱過的文字稿製作，所以與配音內容一致，並依 Netflix Timed Text Style Guide 規範切分。

標題和描述

已翻譯

連結、@帳號和優惠碼保持原樣。

配音歸你所有，可以發佈到任何地方。

誰決定甚麼

每一個創作上的決定都留在你的團隊手上。沒有人想重複做三十次的工作，交給 MLDM。

你的團隊

  • 永遠不變的名字和字句。
  • 背景簡介。
  • 在一個笑話的三種譯法之中揀選。
  • 親手改寫的任何一句。
  • 某種語言何時發出。

MLDM

  • 為每種語言起草每一句對白。
  • 用說話者自己的聲音讀出。
  • 讓嘴形與新台詞同步。
  • 保留笑聲、音樂和現場環境聲。
  • 製作字幕和元數據。

它作出的每一個決定都會連同該次配音工作一併記錄，任何一項都可以推翻。現時你看得到它在翻譯上的選擇；選擇哪些聲音保留原來的語言、哪一張臉是說話者，以及畫面中哪些文字要按你已選定的譯法翻譯，正在開發中。

HeyGenHeyGenElevenLabsElevenLabsHeyGen + ElevenLabsONE-SHOT TOOLS · NO CONTROL

One shot today means giving up the rest.

The one-shot tools today give up the rest: the translation cannot be edited, the music and the room drop out, the voice drifts, and the lips fail on a hand over the face, a microphone, blur, bokeh, a side view or several people in frame. No spatial reasoning, no understanding of the world, no control. ElevenLabs' current Dubbing v2 edits only through an Enterprise API, and its full editor is the older model, in maintenance mode; HeyGen stitches a lip-sync over a dub like that, and the lip-sync breaks on the ordinary shots of any episode. Familiar is one shot and the quality: translation first, reviewed; then the voice, the lips and the scene together, through the hard shots.

54.7%

FEWER TRANSLATION ERRORS · FAMILIAR VS ELEVENLABS DUBBING V2

270%

ELEVENLABS MORE BACKGROUND-SOUND ERROR · THE LAUGHTER, THE MUSIC, THE AMBIENCE

+27.8%

FAMILIAR CLOSER TO THE REAL SPEAKER

FAMILIAR · ONE SHOT AND THE QUALITYFamiliar vs Flawless TrueSync The ElevenLabs study The demos

把繁瑣的部分交給 MLDM。

我們是創作流程裡的另一件工具。

重複的工作，一句接一句、一種語言接一種語言，交給 MLDM。現時追求高質素的做法，是靠一件輔助工具、一隊 VFX 特效師，每個項目花上幾個星期去完成，每多一種語言就是一個新項目；現時一次過完成的工具快是快，代價是其餘一切，連掌控權也一併放棄：出來甚麼就是甚麼。Familiar 是一次過，同時保住質素。語氣、幽默和意思上的判斷，留給創作這部作品的人，而審閱畫面就是他們下判斷的地方。

++
我們用來訓練的所有數據，全部由 Familiar 團隊親自製作。

不是「生成式 AI」，是成就創作人的翻譯。

沒有提示詞，也不會憑空捏造任何東西。傳統意義上的生成式 AI，是根據提示詞製作新內容，要製作新東西，這是很好的方法。配音需要的正好相反：放進去的是你的影片，出來的是同一位演員、同一場演出、同樣的時間點，換成另一種語言。Familiar 是一件多模態翻譯工具。行政總裁為何選擇這條路：由人到人，不是由 AI 到 AI。

常見問題

我可以修改翻譯嗎？

隨時可以：每條影片都會在審閱畫面暫停，你可以在渲染前修改任何一句。你的不翻譯清單和背景簡介，在第一份初稿之前已經生效。

我的口頭禪和名字會保留嗎？

完全照你的說法保留。你可以設定一份不翻譯清單：口頭禪、朋友的名字、招牌感嘆。笑話會改寫，在目標語言裡同樣奏效；可以有多於一種落點的對白，會交回三個選項讓你的團隊揀選。

Familiar 會根據提示詞寫出新內容嗎？

不會。沒有提示詞。放進去的是你的影片，出來的是同一場演出，換成另一種語言；過程中每一個創作上的選擇，都屬於你的團隊。

參考資料

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates，2026 年 10 月 30 日查閱
  2. [2]Familiar 常見問題
  3. [3]Familiar API：創作者、不翻譯清單、背景簡介
  4. [4]Familiar API：背景簡介
  5. [5]Familiar API：不翻譯清單
  6. [6]Familiar API：文字稿與審閱
  7. [7]Familiar API：輸出檔案
  8. [8]Familiar API：標題和描述翻譯

多模態翻譯

Familiar Labs 以多模態本地化決策模型（MLDM），打造高出一個世代的配音。這是首個多模態翻譯基礎模型：一個模型橫跨文字、聲音和畫面，決定本地化甚麼，並把選擇交給你過目。你的聲音和唇形，帶進新的語言。團隊 8 人，當中有博士，獲 Samsung、RedBird、Gold House 支持。 我們的使命

查看完整基準測試 →聯絡團隊