工作流程

创作流程中的又一个工具

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

摘要

一条配音由上百个细小的创作决定组成：哪些名字照原话保留，一个笑点在日语里怎么才好笑，一句挖苦读来是冷还是俏皮。Familiar 是多模态本地化决策模型（MLDM），首个多模态翻译基础模型，全新范式，业界首创。它把这些决定全部留给你的团队，只接手围绕它们的重复工作：用说话人自己的声音把每一句台词译成 30 种语言，对上口型，保留场景音，再把文件打包好。
首个多模态翻译基础模型

规则只定一次

在第一句译文写出来之前，有两样东西决定着每一处翻译，你的团队可以在控制台或通过 API 设定，按创作者或按视频：

「不翻译清单」
作用口头禅、名字、品牌和俚语，在每种语言里都完全按原话保留：主持人的招牌感叹，朋友之间的外号，游戏里的角色名。
一句话说明
作用用一句话说明这个频道或这条视频是什么：镜头里是谁，是什么类型的视频。同一句话，放在美食节目和法庭剧里，译法并不一样。

范围越小的设定优先：某条视频上的规则，只对这条视频覆盖创作者的默认设定。

挑出能落地的那句

有些台词能有不止一种落点。一个双关，一句挖苦，一句话读来是真诚还是讽刺，要看演员的表情。这类台词会给出三种译法，各自标明意图和情绪：保留双关、带点难为情，只译本意、真诚，换一个新笑点、俏皮。你的创意总监从中挑一种，就像他们决定把俚语照原样保留、或为低龄观众的版本把脏话调轻一样。角色到底想表达什么，由你来定。

对照原文修改

每一句译文都和原句并排摆着，懂两种语言的审核人员可以在任何内容渲染之前改写其中任何一句。在控制台里，每条视频都会停在这个审核界面，你的团队批准之前什么都不会渲染；信得过这套流程的团队可以跳过这一步。通过 API，这道关口只是一项设置，配音还能按语言逐一发布，哪位审核人员通过了，哪种语言就先上线。

交回来的文件

每种语言交付时，都可以直接进剪辑室，或直接排进上传队列：

成片

最高 4K

完整混音

原生 5.1 环绕声或立体声

由你选择，24 位 PCM WAV，另附只含人声的音轨，供你自行混音。

字幕

.srt 和 .vtt

依据审核过的转写制作，所以和配音说的一致，按 Netflix《定时文本样式指南》的规范切分。

标题和简介

已翻译

链接、@账号和优惠码保持原样。

配音归你，发到哪里都行。

谁决定什么

每一个创作上的决定都归你的团队。MLDM 接手的，是谁都不想重复三十遍的活儿。

你的团队

  • 永远不变的名字和短语。
  • 一句话说明。
  • 一个笑点的三种译法里挑哪一种。
  • 任何一句手动改写的台词。
  • 某种语言什么时候上线。

MLDM

  • 把每一句台词译成每一种语言的初稿。
  • 用说话人自己的声音配出来。
  • 让口型跟着新台词走。
  • 把笑声、音乐和现场环境音原样带过去。
  • 制作字幕和元数据。

它做出的每个决定都随配音任务一并记录，任何一个都可以修改。现在你能看到它在翻译上的选择；选择哪些声音保留原语言、哪张脸是说话人，以及按你已定下的译法翻译画面里的哪些文字，正在研发中。

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

把繁琐的活儿交给 MLDM。

我们是创作流程中的又一个工具。

MLDM 接手的是重复：一句接一句，一种语言接一种语言。如今做到高质量的路线，靠的是辅助工具：每个项目一支视效团队忙上数周，每种语言都是一个新项目；如今的一键式工具，快是快，其余的却都放弃了，掌控权也一并放弃：出来什么就是什么。Familiar 一气呵成，质量也在。对语气、幽默和含义的判断，留在创作这部作品的人手里，审核界面就是他们下判断的地方。

++
我们训练用的所有数据，其实都出自 Familiar 团队之手。

不是“生成式 AI”，而是助力创作者的翻译。

没有提示词，也不编造任何新东西。传统意义上的生成式 AI 根据提示词创作新内容，这是做新东西的好办法。配音要的恰恰相反：你的视频放进去，出来的是同一位演员、同一场表演、同样的节奏，换了一种语言。Familiar 是一款多模态翻译工具。CEO 为什么选择这条赛道：从人到人，不是从 AI 到 AI。

常见问题

译文能改吗？

随时可以：每条视频都会先停在审核界面，渲染之前你可以修改任何一句。你的「不翻译清单」和一句话说明，在第一版初稿之前就已生效。

我的口头禅和名字会保留吗？

完全按你说的保留。你可以维护一份「不翻译清单」：口头禅、朋友的名字、招牌感叹。笑点会重写，让它在目标语言里同样好笑；能有不止一种落点的台词，会给出三种译法供你的团队挑选。

Familiar 会根据提示词写新内容吗？

不会。没有提示词。你的视频放进去，出来的是同一场表演换了一种语言；过程中每一个创作上的选择，都归你的团队。

参考资料

  1. [1]Netflix《定时文本样式指南：字幕模板》，2026 年 10 月 30 日查阅
  2. [2]Familiar 常见问题
  3. [3]Familiar API：创作者、不翻译清单、一句话说明
  4. [4]Familiar API：一句话说明
  5. [5]Familiar API：不翻译清单
  6. [6]Familiar API：转写与审核
  7. [7]Familiar API：输出
  8. [8]Familiar API：翻译标题和简介

多模态翻译

Familiar Labs 用多模态本地化决策模型（MLDM），让配音迎来代际飞跃。这是首个多模态翻译基础模型：一个模型决定本地化什么，覆盖文本、音频和画面，并把选择摆到你面前。你的声音与口型，带进新的语言。团队8人，汇聚多位博士；投资方包括 Samsung、RedBird、Gold House。 我们的使命

查看完整基准测试 →联系团队