摘要
两个动词
生成式 AI 很适合做新东西：放进提示词，出来新内容，要的就是结果是新的。翻译的目标恰恰相反。
翻译另一个动词
生成
- 输入：提示词
- 输出：新内容
- 衡量标准：结果有多新、有多好
翻译
- 输入：一场完成的表演
- 输出：同一场表演，换了一种语言
- 衡量标准：对原作有多忠实
无论是人还是机器，评判一位译者，看的是它编造得有多少。
什么不变，什么改变
新语言里的声音，是演员自己的声音，取自片段本身。名字和口头禅借助「不翻译清单」完全按原话保留；笑点则会重写，让它在目标语言里同样好笑。
为什么口型同步是翻译的一部分
只换声音的配音，会把这种错位留在每一帧里：嘴说的是一种语言，声音却是另一种，理解就会变得吃力。所以嘴型也是信息的一部分。翻译一场表演，意味着把口型和台词一起翻译过去，这正是 Familiar 的配音会让口型跟着新台词走的原因（常见问题：“口型同步为什么重要？”）。
上线之前，由创意总监审核
有些台词能有不止一种落点：一个笑点，一句挖苦，一句话读来既可以真诚也可以冷幽默。这类台词会给出三种译法，意图和情绪各不相同；俚语照原样保留，面向低龄观众的版本把脏话调轻，也是同样的做法。团队挑定一种，对照原文修改任何一句，然后才开始渲染。
把繁琐的活儿交给 MLDM。
配音里繁琐的部分，是为每种语言的每一句台词决定用哪个声音、口型怎么跟上。这些由 MLDM 来决定，每个决定都随配音任务一并记录，你的团队都可以改。研发中的还有：选择哪些声音保留原语言，比如一段口号或一声呐喊，以及翻译哪张脸、画面里的哪些文字。那些让配音出彩的选择，哪个笑点能落地，什么语气合适，哪个名字保留，始终留在创作这部作品的人手里。
我们是创作流程中的又一个工具。
常见问题
Familiar 是生成式 AI 吗？
不是。Familiar 是多模态本地化决策模型（MLDM）：它决定的是如何本地化已有的内容，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。我们训练用的所有数据，其实都出自 Familiar 团队之手。我们是创作流程中的又一个工具。
我的音乐和音效会怎样？
都会保留。笑声、音乐和低音、音效以及环境音，都留在新对白之下。
译文能改吗？
能。每条视频都会先停在审核界面，渲染之前，你可以对照原文修改任何一句。
参考资料
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