使命
我们的使命,是打破阻碍理解的每一道壁垒。
这一切的由来。
我们的 CEO Andrew Liu 刚进学校时,没法用英语和同学交流。整所学校只有他一个亚洲人。他一个朋友也没有。 他是看电视学会英语的:屏幕,成了英语终于走近他的地方。这段经历,他从未忘记。
这就是 Familiar Labs 存在的原因:让屏幕上播放的一切,都能用每个人听得懂的语言抵达他们。
我们不取代创作者,只翻译创作者。
守住真人。
到 2030 年,娱乐将成为一个 4.2 万亿美元的产业。
普华永道(PwC),《2026–2030 年全球娱乐及媒体行业展望》。
它的未来走在一条细线上,一边是批量生产,一边是艺术;Familiar Labs 站在艺术这一边:守住人的表演,以及表演所承载的共情。
艺术艺术是什么
AI 也能在自己的赛道里做出艺术,就是动画早已占据的那一条:把小说、漫画和韩漫搬上银幕,里面没有任何真实演员的身份。可一旦 AI 追求照片级的逼真,去顶替本该出演的那位演员,结果只剩空洞,因为观众是冲着人来的。
唱歌和说唱,我们想听真人来。
最年轻的观众,要的是真的。
Z 世代是史上品味最好的一代观众。他们追随创作者,是因为对方真实的性格;他们看的,是真实的人。
我们渴望与人相连:一个人的性格,那份说不清道不明的魅力。人只会和人共情,而一旦知道是 AI,共情就会打折扣。
演员和歌手,仍是真人。大多如此。
哪怕再过几十年,没有真人表演者的电影、电视剧和音乐,也只会是少数。那些真正活在角色里的艺术家,AI 又为什么要取代?
“如果我知道那是 AI,我就没法有同样的感动。”
就算有一天 AI 能做到这种水准,共情依然缺席:人与人之间的连接,还有想去支持创作者的那份心意。
我们选择支持的,大多仍会是人。我们对一个人的共情,不是一种会慢慢褪去的偏见;它就是我们生活、去爱、使用语言的方式。
语言,一直是人与人之间的那道墙。
和孩子的老师说不上话的家长。
描述不清自己症状的病人。
在只讲另一种语言的法庭上,无人听懂的证人。
把繁琐的活儿交给 MLFM。
首个多模态翻译基础模型- 你的素材、你的声音、你的脸。不凭空捏造任何内容。
- 没有提示词,也不随机生成新东西。
- 我们训练用的所有数据,其实都出自 Familiar Labs 团队之手。
一个模型,决定本地化什么、怎么本地化,覆盖文本、音频和画面,并把关键的选择摆到你面前。先定翻译,再一气呵成做出配音:声音、口型和场景一并到位。所有决定出自同一个模型,所以彼此一致。人,始终还是那个人。
不是“生成式 AI”,而是助力创作者的翻译。
我们是创作流程中的又一个工具。
每句台词用哪种译法。
- 权衡多种译法;创意总监能看到每个选项和背后的理由,再做选择。
- 哪些不用翻译:俚语照原样保留,名字和品牌保留不译。
- 典故换成观众熟悉的,避开当地文化的忌讳,面向低龄观众的版本把脏话调轻。
哪些该翻译。
- 找出主要的那个声音,用说话人自己的声音说出来。
- 笑声、人群、一声大喊、听不清是谁在说的话:原样保留。
- 一段口号、一声呐喊、一句话,保留原语言。
画面上该本地化什么。
- 到底是谁在说话:谁在旁白,谁在画外发声。
- 口型,包括遮挡与空间推理。
- 在需要强调或文化有讲究时,表情和手势也跟上。
- 画面里的文字,比如手机屏幕、书的封面、路牌、店招,沿用你已定下的译法。
- 哪些保持拍摄原样,当场决定:一袋 Tostitos 还是 Tostitos。
- 一句台词属于哪张脸,哪些文字要翻译。
我们从这道墙代价最大的地方做起:视频。
真人配音,世界上大多数地方都用不上:就连顶级制作也只配少数几种语言,因为成本、人力和时间都撑不住。小一些的制作、剧集和竖屏短剧,干脆就不配音。
这一点早已得到验证:我们 CTO 曾执掌的公司,多年来一直运营着 Veritasium、3Blue1Brown 和 Welch Labs 的国际频道。
▚ 一气呵成,不必数周 ▞
Flawless
Flawless如今业内用的辅助工具,每个项目都需要一支视效团队忙上数周,而且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:译文改不了,音乐和现场环境音消失,声音跑偏;手挡在脸前、麦克风、虚焦、焦外虚化、侧脸,或者画面里有好几个人,口型就对不上。没有空间推理,不理解真实世界,也无从掌控。
Familiar Labs 对比 Flawless TrueSync →我们把一个人交出的表演带进每一种语言,他的声音、他的脸,连同每一次爆发和每一句低语,都原样保留。
我们从不凭空生成一个人。我们从不取代演员。
- 现在
13 种语言的配音。
- 研发中
实况转播:体育赛事、新闻、直播。
- 之后
双向翻译:在会议里,也在面对面的现场。
有能力生成全新人物的研究者,选择了传递真实的人。
是配音,不是生成。
我们和 AI 音乐生成恰恰相反。我们反对取代人。AI 就该用在这样的地方:让不同文化的人,听懂同一首歌。
我们的 CEO Andrew Liu 是个音响发烧友,也是个音乐人:钢琴、大提琴、贝斯都会。他的妈妈常和他分享自己喜欢的歌,还唱给他听。他能听懂一些普通话,可歌一唱起来,词就从耳边溜走了。爸妈和家人爱听的歌,我们听不懂;我们爱听的英文歌,他们也听不懂。歌曲配音让两边都能听懂:把他们的歌带给我们,也把我们的歌用韩语和中文带给他们,让他们听得懂,也会一起听。整个团队都爱唱歌,也爱唱 K。我们都想听懂自己听的每一句歌词。
这些翻译过来的歌,我想加进自己的歌单。
歌曲配音首个真正意义上的歌曲配音
面向唱片公司和旗下艺人,一张专辑一张专辑地做,专人全程、亲力亲为。每一句都译成能唱的样子,守住音节、押韵、律动和原意;每种语言的歌词,都要先经艺人认可,才会发布。
立足加拿大,面向全球。
Familiar Labs 扎根多伦多,和欧盟乃至世界各地的朋友们一起合作。我们的根,让我们想打破每一处语言障碍,一直深入到越来越小众的语言。
13 种语言,任意互译。
- 阿拉伯语
- 德语
- 俄语
- 法语(法国)
- 韩语
- 葡萄牙语(巴西)
- 日语
- 泰语
- 西班牙语(拉丁美洲)
- 意大利语
- 印地语
- 英语
- 中文
安大略北部,蒂明斯。
我们的愿景:一个人人都能被听懂的世界。
我们反对 AI 垃圾内容与深度伪造。
忠于真人,拒绝合成。
你自己的声音与面容。
拒绝垃圾内容,一切基于同意。
只翻译,不取代。所有内容都有同意记录,来源可查。
经过验证,不是纸上谈兵。
基准测试已公开发布:对照 ElevenLabs、YouTube 与专业译者,同一批片段实测。
把关,产品自带。
默认先审核,再发布;品牌名称和专有名词都原样保留。
用心研究与打造

团队里不少人的英语,都是看电视学来的。我们的 CEO Andrew Liu 当年没法用英语和同学交流,一个朋友也没有,整所学校只有他一个亚洲人;他是看电视学会英语的,这段经历他从未忘记。
这就是 Familiar Labs 存在的原因:让屏幕上播放的一切,都能用每个人听得懂的语言抵达他们。








声音与脸出自同一个模型,身份永远不会割裂:这个领域由我们以 JAM-Flow 开创。
当今最逼真的实时人像动画:SoulX-LiveAct 以每秒 20 帧驱动人像,可稳定运行一小时。
蒸馏、引导与采样:让扩散模型快到足以实时运行的研究。
在冻结的扩散模型内部做编辑:从发现 h-space,到控制风格、抹去画面文字。
先读懂场景,再动手编辑:在任何环境里,结合画面与声音判断谁在说话。
投资方
Stanford
Yonsei


