摘要
一种语言的成本
完整人工配音
$70 到 $150
翻译加配音，按每分钟成片计。
一条 60 分钟的视频
$4,200 到 $9,000
只配一种目标语言。配十种语言，就再乘以十。
一部大片可以在最大的几个市场扛下这笔钱。一部纪录片、一档脱口秀或一季竖屏短剧，往往连一种语言都扛不起。
每种语言背后的人
这门手艺是实打实的，最好的配音之所以好听，靠的正是它。但这也意味着，每多一种语言，就要多找、多约、多指导一整个团队。
时间
每种语言都按自己的排期走：
- 01
按口型改编剧本。
- 02
选角。
- 03
逐句录音。
- 04
指导每一条录音。
- 05
对照原版混音。
上线日期很少会等最慢的那种语言，所以语言清单只能砍到来得及完成的那几种。
谁被落下了
把成本、人手和时间放在一起，结果就是今天这张地图：
观众并不都在说英语。据 Internet World Stats 截至 2020 年 3 月 31 日的估算，英语用户占互联网用户的 25.9%，见维基百科引用：约 74% 的互联网用户不说英语。
对他们中的大多数人来说，世界上大多数视频从来没有配过音。
把繁琐的活儿交给 MLDM。
一条配音里的大部分工作都在重复：把每一句台词带进新语言，用说话人自己的声音，让口型跟着新的词走。这正是 MLDM 接手的部分。面向 30 种语言，它决定每一句台词用哪种译法、翻译哪个声音、画面里是谁在说这句话，以及口型怎么跟上。演员、表演、节奏和场景音都保持原样。
主导权始终在团队手里。
数据从哪里来
我们训练用的所有数据，其实都出自 Familiar 团队之手。
不编造任何新东西，也没有提示词：你的视频放进去，出来的是同一场表演换了一种语言。它不是传统意义上的“生成式 AI”。它是翻译，让为一个国家做的节目，也能走到下一个国家。
我们是创作流程中的又一个工具。
常见问题
为什么没有更多节目配音？
成本、人手和时间。完整的人工配音每分钟成片 $70 到 $150，每种语言都要自己的演员、导演和录音棚，每种语言都有自己的排期。顶级制作只配几种语言；规模小一些的制作、剧集和竖屏短剧大多干脆不配音。
Familiar 的配音在发布前由谁把关？
你的团队。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；能有不止一种落点的台词，会给出几种译法供你挑选。
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。
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