
German: 
Vsauce, ich bin Ethan und was du
gerade siehst ist eine Interpretation der Wirklichkeit.
Es sind Rohdaten, die von Software in eine visuelle Darstellung der aufgenommenen Momente konvertiert werden
Es sind Daten ... und Daten können beschädigt werden.
Wenn wir diese visuelle Schicht entfernen, um zu sehen was darunter ist, bekommen wir das:
Film-Atome.
Diese Atome enthalten alle Informationen,
die die Daten des Videos beschreiben.
Die Software, die verwendet wurde um es zu bearbeiten,
die verwendete Musik,
der Name der enthaltenen Videodateien  ... bis hin zu das:
Das Video selbst. Das, das du gerade ansiehst.

Portuguese: 
Vsauce! Eu sou o Ethan, e o que você está olhando agora é uma interpretação da realidade.
São puramente números que algum software transforma em representação visual dos momentos
capturados.
São dados... E dados podem ser corrompidos.
Se nós removermos essa camada visual, para ver o que está abaixo dela, isso é o que teremos:
Átomos de vídeo.
Esses "átomos" contém toda a informação que descreve os dados de vídeo.
O software usado para sua edição, a música utilizada, os nomes de arquivos inclusos... até
isso.
O vídeo em si, esse que você está assistindo.

Italian: 
Vsauce, sono Ethan e quello che stai guardando in questo momento è un'interpretazione della realtà.
Sono soltanto numeri che il software trasforma in una rappresentazione visiva dei momenti
catturati.
Si tratta di dati ... e i dati possono essere danneggiati.
Se togliamo questo livello visivo per vedere che cosa c'è sotto, questo è quello che si ottiene.
Atomi di film.
Questi atomi contengono tutte le informazioni che descrivono i dati del video.
Il software utilizzato per modificarlo, la musica utilizzata,
il nome dei file video inclusi
e questo.
Il video stesso, quello che stai attualmente guardando.

French: 
Vsauce présente:
Une
vidéo de
Jake Roper
...
Cette vidéo n'est pas réelle
...
Vsauce, je m'appelle Ethan et ce que vous regardez
en ce moment est une interprétation de la réalité.
Ce sont des chiffres bruts transformés par un logiciel
en une représentation visuelle des moments capturés.
Ce sont des données ... et les données peuvent être corrompues.
Si on enlève cette couche visuelle pour voir
ce qu'il y a en dessous, voilà ce qu'on obtient.
Des atomes de films.
Ces atomes contiennent toutes les informations
qui décrivent les données de la vidéo.
Le logiciel utilisé pour la modifier, la musique utilisée,
le nom des fichiers vidéo intégrés ... à cela ...
la vidéo elle-même, celle que vous êtes en train de regarder.

Arabic: 
هذا الفيديو ليس حقيقياً
قناة Vsauce، أنا إيثان وما تنظر إليه الآن هو تفسير للواقع.
إنها أرقام خام تحولها البرمجيات
إلى تمثيل البصري للحظة ..
التي تم التقاطها
إنها البيانات ... و يمكن للبيانات أن تتلف
إذا أزلنا هذه الطبقة البصرية لمعرفة ما
تحتها، هذا ما نحصل عليه.
ذرات الفيلم.
هذه الذرات تحتوي على كافة المعلومات
تصف بيانات الفيديو.
البرمجيات المستخدمة لتحريره، والموسيقى المستخدمة
بالإضافة إلى اسم ملف الفيديو ...
إلى هذا.
الفيديو نفسه،  الفيديو الذي تشاهدة الآن.

Russian: 
Vsauce, я Этан и то, что вы ищете
на данный момент является интерпретация реальности.
Это необработанные данные, которые затем программное обеспечение превращает
в визуальное представление
запечатленных  моментов
Данных ... и данные могут быть повреждены.
Если убрать этот визуальный слой, чтобы увидеть, то что
находится внизу, это то, что мы получаем.
Кусочки фильма.
Эти кусочки содержат всю информацию
которые описывают данное видео.
Программное обеспечение, используемое для редактирования, музыки используется,в
название видео файлов, включенных ... в
это.
Видео само по себе, в настоящее время вы смотрите

Spanish: 
Vsauce, soy Ethan y lo que estás viendo ahora mismo es una interpretación de la realidad.
Son números "en bruto" que luego un software convierte en una representación visual de los momentos
capturados.
Son datos... Y éstos pueden ser corrompidos.
Si removemos esta capa visual para mirar lo que hay debajo, esto es lo que obtenemos.
Átomos filmográficos.
Estos átomos contienen toda la información que describe a  los datos del video.
El software utilizado para editarlo, la música utilizada, el nombre de los archivos de vídeo incluidos en...
esto.
El video en sí, el que ahora mismo estás viendo.

Portuguese: 
[Vsauce3 apresenta]
[Um filme de Jake Roper]
[Este Vídeo Não é Real]
Vsauce, eu sou Ethan, e o que você está vendo
é uma interpretação da realidade.
São números brutos, que um software
converte em uma representação visual
dos momentos capturados.
São dados.
E dados podem ser corrompidos.
Se removermos essa camada visual
para ver o que há embaixo, isso é o que temos.
"Átomos de filme".
Estes "átomos" contêm todas as informações
que descrevem os dados do vídeo.
O software utilizado para editá-lo, a música usada,
os nomes dos arquivos de vídeo incluídos...
Até isto.
O vídeo em si, o que você está assistindo agora.

Hungarian: 
Vsauce! Ethan vagyok és amit most látsz, az a valóság egyfajta értelmezése.
Egy nyers számosor, amit egy szoftver a felvett pillanat vizuális képsorává alakít.
Szimplán adat... és az adatok megsérülhetnek.
Ha eltávolítjuk ezt a vizuális réteget, hogy lássuk mi van alatta, ezt ezt kapjuk.
Film atomokat.
Ezek az atomok tartalmazzák az a videó adatainak összes információját.
A használt videószerkesztő szoftvert, a felhasznált zenét, a felhasznált videófájlok neveit...
ehhez:
A videóhoz, amit jelenleg nézel.

Spanish: 
Vsauce, soy Ethan y lo que estás viendo ahora mismo es una interpretación de la realidad.
Son números en bruto que el software convierte en una representación visual de los momentos
Capturados
Se trata de datos ... y los datos pueden estar dañados.
Si eliminamos esta capa visual para ver lo que está debajo, esto es lo que obtenemos.
Átomos de la película.
Estos átomos contienen toda la información que describe los datos del video.
El software utilizado para editarlo, la música utilizada, el nombre de los archivos de vídeo incluidos ...
a esto.
El video en sí, el que está viendo actualmente.

English: 
Vsauce, I’m Ethan and what you’re looking
at right now is an interpretation of reality.
It’s raw numbers and then software turns
it into a visual representation of the moments
captured.
It is data...and data can be corrupted.
If we remove this visual layer to see what
is underneath, this is what we get.
Movie atoms.
These atoms contain all of the information
that describe the video’s data.
The software used to edit it, the music used,
the name of the video files included...to
this.
The video itself, the one you are currently
watching.

English: 
The raw data of what was recorded not yet
processed through software to become a moving
image that we can decipher, that we can see.
If this is what we’re given after recording,
then what does the camera see while recording?
Almost every digital sensor, what captures
the image, does so by first gathering light
into photosites.
To help visualize let’s use Ethan as a red
photosite, Hila as green and myself as blue.
But there are more than 3 photosites on a
sensor.
A lot more since this camera is recording
at 8K resolution.
Very true, so we need to multiply ourselves...about
11.6 million times.
This sensor has around 35 million photosites.
Half of those are green, a quarter blue and
a quarter red.
There are more green sites because green light
makes up roughly twice as much of our perception

Portuguese: 
Os dados brutos do que foi gravado,
ainda não processados através de software
para se tornarem uma imagem em movimento
que podemos decifrar, que podemos ver.
Se isso é o que é obtido após a gravação,
então o que a câmera vê enquanto grava?
Quase todo sensor digital, aquilo que captura
a imagem, faz isso primeiro acumulando luz
dentro de "fotosítios".
Para ajudar a visualizar isso, vamos usar Ethan
como um fotosítio vermelho,
Hila como um verde e eu como um azul.
Mas há mais de três fotosítios em um sensor.
Muito mais, já que esta câmera
está gravando em resolução 8K.
Isso mesmo, Ethan,
então precisamos nos multiplicar...
cerca de 11,6 milhões de vezes.
Este sensor tem cerca de 35 milhões de fotosítios.
Metade deles é verde, um quarto azul,
e um quarto vermelho.
Existem mais verdes porque a luz verde compõe
mais ou menos o dobro da nossa percepção

Spanish: 
Los datos brutos de lo que se grabó aún no procesados a través del software para convertirse en una imagen en movimiento
Imagen que podemos descifrar, que podemos ver.
si esto es lo que vemos después de la grabación
¿que ve la cámara mientras graba?
casi cualquier sensor digital, que captura imagen, lo hace empezando por atrapar la luz
En fotositos.
Para ayudar a visualizar esto, vamos a usar Ethan como un photosite rojo, Hila como verde y yo como azul.
Pero hay más de 3 photosites en un sensor ..
Mucho más ya que esta cámara está grabando a una resolución de 8K.
Muy cierto Ethan, así que tendremos que multiplicarnos ... unas 11.6 millones de veces.
Este sensor tiene alrededor de 35 millones de fotositos.
La mitad de ellos son verdes, un cuarto azul y un cuarto rojo.
Hay más sitios verdes porque la luz verde representa aproximadamente el doble de nuestra percepción

Spanish: 
Esta información aún sin procesar de lo que fue grabado a través de un software hasta convertirse en una
imagen en movimiento que podemos descifrar, que podemos ver.
Si esto es lo que obtenemos luego de grabar, entonces ¿qué es lo que ve la cámara mientras graba?
Casi todo sensor digital, que captura la imagen, lo hace primero por medio de la recolección de luz
en fototransitores.
Para ayudarnos a visualizar esto usaremos a Ethan como fototransitor rojo, Hila como verde y a mi como azul.
Pero hay mas de 3 fototransitores en un sensor.
Muchos mas ya que esta cámara está grabando en una resolución de 8K.
Muy cierto, así que necesitamos multiplicarnos... Unas 11,6 milliones de veces.
Este sensor tiene alrededor de 35 milliones de fototransitores.
La mitad son verdes, un cuarto azul y un cuarto rojo.
Hay mas verdes porque la luz verde constituye casi el doble de nuestra percepción

German: 
Die Rohdaten von dem, was aufgezeichnet wurde aber noch nicht durch Software zu einem bewegten Bild verarbeitet wurde,
das wir entziffern können, das wir sehen können.
Wenn wir nach der Aufnahme das hier bekommen,
was sieht dann die Kamera während der Aufnahme?
Fast jeder digitale Sensor, der Bild aufnimmt, tut das, indem er zunächst Licht
in Photozellen einfängt.
Um sich das bildlich vorzustellen, lasst uns Ethan als rote Fotozellen verwenden, 
Hila als grünes und mich als blaues.
Aber es gibt mehr als 3 Fotozellen in einem Sensor.
Deutlich mehr, da diese Kamera mit 8K Auflösung aufzeichnet.
Sehr wahr, also müssen wir uns multiplizieren ...ungefähr 11,6 Millionen mal.
Dieser Sensor hat rund 35 Millionen Fotozellen.
Die Hälfte davon ist grün, ein Viertel blau und
ein Viertel rot.

Portuguese: 
Os dados puros do que foi gravado e ainda não processado por software para se tornar uma imagem
que se mexe, que podemos decifrar e enxergar.
Se isso é o que temos após a gravação, então o que a câmera vê enquanto está gravando?
Quase todo o sensor digital, que captura a imagem, executa este processo primeiramente capturando luz
em "photosites" (cavidades de luz).
Para ajudar a visualizá-los, vamos usar Ethan como um "photosite" vermelho, Hila como um verde, e eu como azul.
Mas existem mais de três photosites em um sensor.
Muito mais, já que essa câmera está gravando em 8K
De fato, portanto temos que nos multiplicar... aproximadamente 11.6 milhões de vezes.
Esse sensor possui aproximadamente trinta e cinco milhões de "photosites"
Metade deles são verdes, um quarto são azuis, e outro quarto são vermelhos.
Existem mais "photosites" verdes porque percebemos, na luz verde, aproximadamente duas vezes mais

French: 
Les données brutes de ce qui a été enregistré, pas encore traitées par le logiciel
pour devenir une image mobile que l'on peut déchiffrer, que l'on peut voir.
Si c'est ce qu'on obtiens après l'enregistrement,
alors que voit la caméra pendant l'enregistrement?
Presque tous les capteurs numériques qui capturent
l'image le font en collectant d'abord la lumière
dans des photosites.
Pour vous aider à visualiser ça, nous allons 
utiliser Ethan comme photosite rouge,
Hila en vert et moi-même en bleu.
Mais il y a plus de 3 photosites sur un
capteur.
Beaucoup plus puisque cette caméra
enregistre avec une résolution de 8K.
Exact Ethan, donc nous allons devoir nous multiplier ...
approximativement 11,6 millions de fois.
...
Ce capteur a environ 35 millions de photosites.
La moitié d'entre eux sont verts, un quart sont bleus
et un quart sont rouges.
Il y a plus de photosites verts parce que la lumière verte
représente environ deux fois plus de notre perception

Arabic: 
البيانات الخام من ما تم تسجيله ولم يتم
معالجتها بعد من خلال البرمجيات ، لتصبح متحركة
الذي يمكن لنا أن نفهم ، يمكننا أن نرى.
إذا كان هذا نحصل عليه بعد التسجيل،
إذاً ما الذي تراه الكاميرا أثناء التسجيل؟
تقريبا كل أجهزة الاستشعار الرقمية - كل ما يلتقط
الصورة - يقوم بجمع الضوء أولاً
في "نقاط الاستشعار الضوئية".
للمساعدة في تصور الفكرة دعونا نستخدم إيثان كنقطة استشعار حمراء
، هيلا كنقطة خضراء وأنا كنقطة زرقاء
ولكن هناك أكثر من ثلاث نقاط استشعار على
المستشعر.
أكثر بكثير ؛ حيث أن هذه الكاميرا تسجل بجودة 8K .
صحيح ، لذلك نحن بحاجة الى أن نتضاعف ... حولي
11.6 مليون مرة.
جهاز الاستشعار هذا يحتوي على حوالي 35 مليون نقطة استشعار.
نصفها خضراء ، والربع زرقاء
الربع الآخر حمراء.
النقاط الخضراء أكثر  لأن الضوء الأخضر
يغطي تقريباً ضعفي مقدار ادراكنا للسطوع ...

Italian: 
I dati grezzi di ciò che è stato registrato ma non ancora
elaborato tramite software per diventare un'immagine
in movimento che siamo in grado di decifrare, che possiamo vedere.
Se questo è quello che vediamo dopo la registrazione,
allora che cosa vede la macchina fotografica durante la registrazione?
Quasi tutti i sensori digitali, quando catturano un immagine, lo fanno raccogliendo la luce
in fotositi.
Per capirci meglio usiamo Ethan come un fotosito rosso, Hila come verde e io come blu.
Ma ci sono più di 3 fotositi su un
sensore.
Molti di più dal momento che questa fotocamera sta registrando a risoluzione 8K.
Per cui abbiamo bisogno di moltiplicare noi stessi
11,6 milioni di volte.
Questo sensore ha circa 35 milioni di fotositi.
La metà di questi sono verdi, un quarto sono blu e un quarto rossi.
Ci sono più fotositi verdi perché la luce verde costituisce circa il doppio della nostra percezione

Hungarian: 
Ez a rögzített videó nyers adatsora, ami még nincs szoftveresen feldolgozva mozgó képsorrá,
amit meg tudunk fejteni, amit látunk.
Ha ezt kapjuk felvétel után, akkor mit lát a kamera felvétel közben?
Szinte minden digitális szenzor, ami rögzíti a képet, ezt úgy teszi, hogy a photosite-okhoz
gyűjti a fényt.
Hogy könnyebben megérthető legyen, képzeljük, hogy Ethan a vörös photosite, Hila a zöld, jómagam pedig a kék.
De több photosite van egy szenzoron, mint 3.
Jóval több, mert ez a kamera 8K felbontású.
Nagyonis igaz, ezért meg kell szorozni magunkat ... kb. 11,6 millióval.
Ennek a szenzornak nagyjából 35 millió photosite-ja van.
Ezeknek a fele zöld, negyede kék, és egy negyede piros.
Azért van több zöld érzékelő, mert a zöld fény a fényérzékelésünk durván kétszeresét teszi ki,

Russian: 
Исходные данные, которые еще не были обработаны
обрабатываются с помощью программного обеспечения, чтобы стать подвижным изображением
изображение, которое можно расшифровать, мы можем видеть.
Если это то, что мы дали после записи,
то, что делает камеру видеть во время записи?
Почти каждый цифровой датчик, какие захваты
образ, делает это первый сбор света
в фотосайты.
Чтобы было проще, давайте использовать Итана, как красный
фотосайт, Илу, как зеленый и синий, как я.
Но здесь больше, чем 3 фотосайта на датчик.
Намного больше, так как эта камера находится в режиме записи
с разрешением 8K.
Совершенно верно, так что нам нужно умножить себя на... 
11,6 миллионов раз.
Этот датчик имеет около 35 миллионов фотосайтов.
Половина из них зеленые, четверть синие и
четверть красного цвета.
Зеленых участков больше, потому что зеленый свет
составляет где-то в два раза больше

Hungarian: 
mint a vörös és a kék.
Ha megnézzük a látható fényspektrumot, láthatjuk, hogy az emberi szem sokkal érzékenyebb a zöld árnyalataira.
De térjünk vissza a photosites-okra. Ezek olyanok, mintha kis fénygyűjtő vödrök lennének.
Van vörös, zöld és kék, és ezek beengedik a megfelelő színt, miközben kiszűrik
a többit.
Miután befogták azt, elektromos
jelként olvassák be, számszerűsítik, és egy digitális fájlban
tárolják az értékeket, mint ahogy korábban láttuk.
És ez az, amit kapunk: egy RGB rács.
Ha elég messziről nézzük, akkor szinte teljesen úgy néz ki, mint egy színes kép, de
közelről könnyen látható minden egyes pixel.
Hogy teljesen színes pixeleket kapjunk, át kell, hogy menjen egy algoritmikus folyamaton: demosaicing-en vagy debayering-en.
Olyasmi mint a színkeverés, ahol vesszük minden egyes photosite értékét és a szoftver

Portuguese: 
de brilho, do que na cor vermelha e/ou azul.
Se nós olharmos para o espectro visível de luz, nossos olhos são muito mais sensíveis à tons de verde.
De volta aos "photosites", eles são como potes que capturam fótons.
Nós temos nossos "potes" vermelho, verde e azul, que permite a cor correta a passar, enquanto filtra
as outras que não são.
Uma vez capturados, são lidos como sinais elétricos, quantificados e armazenados como valores
em um arquivo digital, como vimos anteriormente.
Então, é isso que nos resta, uma grade de RGB (Vermelho, Verde e Azul)
Se você olhar de uma distância suficiente, essa grade se assemelha à uma imagem colorida, mas
se olharmos de perto, é fácil identificar os pixels individualmente.
Para produzir pixels totalmente coloridos, essa grade passa por algoritmos de interpolação cromática.
Pense como se fosse um processo de misturar cores, onde pegamos os valores de cada "photosite" e
os combinamos, de maneira a produzir qual cor está ao seu redor... dando-nos uma imagem que parece real.

Spanish: 
de brillo que el rojo y/o el azul.
Si observamos el de luz espectro visible, nuestros ojos son mucho más sensibles a los tonos de verde.
Pero volviendo a los fototransitores, ellos son como cubos que recolectan fotones.
Tenemos nuestros cubos rojos, verdes y azules que permiten la entrada del color correcto, filtrando
a los otros dos que no lo son.
Una vez capturado, lo lee como una señal eléctrica, cuantificándola y guardándola como valores
en un archivo digital, como vimos antes.
Y esto es con lo que nos quedamos, con una cuadricula de RGB (Rojo, Verde y Azul por sus siglas en inglés).
Si la miras desde lo suficientemente lejos, casi se asemeja a una imagen colorida, pero
al acercarse es fácil ver cada pixel individual.
Para producir pixeles de colores, este pasa por un proceso algorítmico llamado demosaicing o debayering (Interpolación cromática y desmoralización).
Piensa en ello como mezclar colores, donde se toma cada valor específico de cada fototransitor y
se combinan asemejando a un color... Dándonos una imagen que parece real.

German: 
Es gibt mehr grüne Stellen, weil grünes Licht etwa zweimal so viel von unserer Wahrnehmung von Helligkeit ausmacht
wie rot und blau.
Wenn wir uns das sichtbare Spektrum ansehen, sind unsere Augen gegenüber den Schattierungen von Grün viel empfindlicher.
Aber zurück zu Fotozellen, sie sind wie Eimer, die Photonen aufsammeln.
Wir haben unseren roten, grünen und blauen, die die richtige Farbe hereinlassen, während sie
die beiden anderen Farben herausfiltern.
Sobald er sie erfasst hat liest er sie als elektrisches Signal, zählt sie und speichert sie als Werte
in einer digitalen Datei, wie wir sie vorhin sahen.
Und dann bleibt uns dies, ein Raster von RGB.
Wenn man es von weit genug weg betrachtet, ähnelt es fast einem vollständig farbigen Bild, aber
aus der Nähe ist es leicht, jeden einzelnen Pixel zu sehen.
Zur Erzeugung von Vollfarbpixeln durchläuft es einen algorithmischen Prozess, Demosaicing oder Debayering.
Betrachten Sie es als Farbmischung, bei der die spezifischen Werte der einzelnen Fotozellen
kombiniert werden um die Farbe zu erzeugen, die sie umgibt ... und das
gibt uns ein Bild, das real aussieht.

Arabic: 
من الأحمر و الأزرق.
وإذا نظرنا إلى الطيف المرئي ؛ فإن عيوننا
أكثر حساسية لتدرجات اللون الأخضر.
نعود إلى نقاط الاستشعار ،  إنها مثل الأوعية
التي تجمع الفوتونات.
لدينا الأحمر والأخضر، والأزرق التي
تسمح لللون الصحيح فقط بالدخول ، في حين تقوم بتصفية
اللونين الآخرين.
وبمجرد التقاط الفوتونات ، فإنه يقرأها على أنها إشارة كهربائية، ويخزنها كقيمة ..
في ملف رقمي كما رأينا سابقاً.
وهذه الصورة هي مايتبقى
 عبارة عن "شبكة من RGB".
إذا نظرتم اليها مكان بعيد ، تجد أنها تشبه صورة ملونة بالكامل،
ولكن عن قرب فمن السهل أن نرى كل بكسل على حده
لإنتاج بكسلات كاملة الألوان ،فهي تمر 
بعملية حسابية "demosaicing" أو "debayering".
اعتبرها وكأنها خلط للألوان، حيث يتم أخذ قيم محددة لكل نقطة استشعار من ثم

Portuguese: 
de brilho do que vermelho e azul.
Se olharmos para o espectro visível, nossos olhos
são muito mais sensíveis a tons de verde.
Mas voltando aos fotosítios: eles são
como baldes que coletam fótons.
Temos os nossos vermelhos, verdes e azuis,
que deixam a cor certa entrar,
enquanto filtram as duas que não são.
Uma vez capturada, ele lê como um sinal elétrico,
e o guarda como um valor num arquivo digital,
como vimos anteriormente.
E então isso é o que sobra,
uma grade RGB [vermelha/verde/azul].
Se você olhar para ela de longe o suficiente,
ela quase se assemelha a uma
imagem totalmente colorida,
mas bem de perto,
é fácil ver cada pixel individual.
Para produzir pixels de cor completa,
ele passa por um processo algorítmico,
"demosaicing" ou "debayering".
Pense nisso como uma mistura de cores, onde ele
pega os valores específicos de cada fotosítio,
e combina para produzir a cor que o rodeia...
nos dando uma imagem que parece real.

French: 
de la luminosité que le rouge et le bleu.
Si nous regardons le spectre visible, nos yeux
sont beaucoup plus sensibles aux nuances de vert.
Mais revenons aux photosites, ce sont comme
des paniers qui recueillent les photons.
Nous avons les rouges, les verts et les bleus qui laissent rentrer la bonne couleur à l'intérieur,
tout en filtrant les deux qui ne le sont pas.
Une fois capturé, il le lit comme un signal électrique, le quantifie
et le stocke sous forme de valeur dans un fichier
numérique comme nous l'avons vu plus tôt.
Et voilà ce qui nous reste, une grille de RVB.
Si vous regardez d'assez loin, ça ressemble 
presque à une image entièrement colorée,
mais de près, il est facile de voir chaque pixel.
Pour produire des pixels de couleur complets, on passe
par un processus algorithmique de dématriçage.
Pensez-y comme un mélange de couleurs, où l'on prend
les valeurs spécifiques de chaque photosite
et où on les combine pour produire la couleur qui l'entoure 
afin de nous donner une image qui semble réelle.

Spanish: 
De brillo que el rojo y / o el azul.
Si nos fijamos en el espectro visible, nuestros ojos son mucho más sensibles a los tonos de verde.
Pero de regreso a las fotositas, son como baldes que recogen fotones.
Tenemos nuestros rojos, verdes y azules que permiten al color correcto entrar, mientras que filtran
los incorrectos
Una vez capturado, lo lee como una señal eléctrica, lo cuantifica y lo almacena como valores
en un archivo digital como vimos anteriormente.
Y entonces esto es lo que nos queda, una rejilla de RGB.
Si lo mira desde suficientemente lejos, casi se parece a una imagen totalmente coloreada, pero
de cerca es fácil ver cada píxel individual.
Para producir píxeles de todos los colores, se pasa por un proceso algorítmico, demosaicing o debayering.
Piense en él como la mezcla del color, donde toma los valores específicos de cada fotocito y

Italian: 
di luminosità rispetto al rosso e al blu.
Se guardiamo lo spettro di luce visibile, i nostri occhi
sono molto più sensibili alle sfumature di verde.
Ma torniamo ai fotositi, sono come cestini che raccolgono fotoni.
Abbiamo quelli rossi, verdi e blu che
mostrano il colore corretto filtrando
i fotositi che non servono.
Una volta che hanno catturato la luce, la leggono come un segnale eletttrico e memorizzano il valore
in un file digitale simile a quello che abbiamo visto all'inizio.
E questo è il risultato, una griglia di RGB.
Se si guarda da lontano sembra un'immagine perfettamente colorata, ma
se ci si avvicina diventa facile vedere ogni singolo pixel.
Per produrre pixel colorati, si utilizza un algoritmo, chiamato demosaicizzazione.
Pensate a un mix di colori, da cui viene estratto il valore di ciascun fotosito e
viene poi combinato con quelli vicini per produrre il colore corretto, fino alla creazione dell'immagine completa.

English: 
of brightness than red and/or blue.
If we look at the visible spectrum, our eyes
are much more sensitive to shades of green.
But back to photosites, they’re like buckets
that collect photons.
We have our red, green, and blue ones that
allow the correct color in, while filtering
out the two that don’t.
Once captured, it reads it as an electrical
signal, quantifies it and stores it as values
in a digital file like we saw earlier.
And then this is what we are left with, a
grid of RGB.
If you look at it from far enough away it
almost resembles a fully colored image, but
up close it is easy to see each individual
pixel.
To produce full color pixels, it goes through
an algorithmic process, demosaicing or debayering.
Think of it as color mixing, where it takes
the specific values of each photosite and

Russian: 
яркости, чем красный и / или синий.
Если мы посмотрим на видимый спектр, наши глаза
гораздо более чувствительны к оттенкам зеленого цвета.
Но вернемся к фотосайтов, они, как ведра
которые собирают фотоны.
У нас есть красный, зеленый и синий, которые вместе отображают нужный нам цвет, в то время как
только у двоих из них этого не удастся.
После фиксации, он считывает его как электрический сигнал, квантифицирует его и сохраняет его в качестве значений
в цифровой файл, как мы видели ранее.
И это то, что у нас есть, сетка RGB.
Если посмотреть на это с далека, то это почти похоже на цветное изображение, но
близко легко рассмотреть каждый пиксель отдельно.
Для получения полноцветных пикселей, он проходит через
алгоритмический процесс, демозаики или дебайеринг.
Представьте, будто цвета смешиваются, принимая
конкретные значения каждого фотосайта и
объединяя их, чтобы показать цвет, окружающий его ... дает нам изображение, которое выглядит реальным.

Portuguese: 
Nossos olhos são bons em perceber luminância e brilho, mas não são tão bons com cores.
E é por isso que a câmera captura a cor verde mais do que as outras, já que é a que melhor representa luminância.
Também é por isso que você nem deve ter percebido que os canais de cor vermelho e azul foram
borrados o tempo inteiro.
Vamos arrumar isso.
Agora, vamos ver outro exemplo... de que cor são esses morangos?
- Vermelho
-Vermelho
Se você disse vermelho, então... você está errado.
Essa imagem foi criada pelo professor de psicologia Akiyoshi Kitaoka e demonstra o quão ruins
nós somos em enxergar cores.
Cada pixel naquela imagem é cinza, e alguns são cinzas com um pouquinho de verde.
Nosso cérebro é, de certa forma, "autocorretor de cores".
Ele está removendo o azul e nos deixando com o que parecem ser morangos vermelhos,
mesmo que eles não sejam.

Russian: 
Наши глаза намного лучше воспринимают освещение,
яркость, не так хорошо с цветностью, цвет.
Именно поэтому более зеленый захватывается так
что лучше представляет яркостной.
Кроме того, почему вы не могли заметить,
что красный и синий цветовые каналы имеют
были размыты все это время.
Давайте исправим это.
Теперь давайте посмотрим на другой пример ... что
цвет эта клубника?
красный
красный
Если вы сказали, красный, то вы ... ошибаетесь.
Этот образ был создан профессором психологии
Акийоши Китаока и он показывает, как плохо
мы обычно видим цвет.
Каждый пиксель в этом изображении серого цвета, а некоторые
серые с немного зеленого.
Наш мозг в смысле коррекции цвета.
Он вынимает воспринимаемый синий и выезд
нам с тем, что, как представляется, красная клубника,
даже если они не являются.

Hungarian: 
egyesíti őket, hogy előállítsa a környező területek színét... és ezáltal egy igazinak kinéző képet kapunk.
Szemünk sokkal jobban érzékeli a fényességet és
fényerőt, míg nem olyan jól a színtelítettséget, és magát a színt.
Ezért van sokkal több zöld fényérzékelő - mivel ez sokkal jobban jeleníti meg a fényességet.
Ez az oka annak is, hogy valószínüleg nem vetted észre hogy a vörös és a kék szín csatornák
el voltak mosódva az egész idő alatt.
Hozzuk ezt gyorsan helyre.
Most nézzünk egy másik példát... milyen színűek ezek eprek?
Piros
Piros
Ha azt mondtad, hogy piros... tévedtél.
Ezt a képet Akiyoshi Kitaoka pszcichológia professzor készítette és azt mutatja, hogy milyen rosszul
látjuk általánosságban a színeket.
Minden pixel a képen szürke és néhány szürke egy kicsit zöldes.
Agyunk egy bizonyos értelemben szín korrigáló.
Kiveszi az észlelt kék színt és meghagyja azt, ami piros epernek néz ki.
Annak ellenére, hogy nem azok.

Portuguese: 
Nossos olhos são muito melhores em
perceber luminância, brilho,
e não tão bons com chroma, cor.
É por isso que mais verde é capturado,
já que ele representa melhor a "luma".
É também por isso que você não deve ter notado
que os canais de cor vermelho e azul
estavam borrados esse tempo todo.
Vamos corrigir isso.
Agora vamos ver outro exemplo.
De que cor são estes morangos?
Vermelho.
Vermelho.
Se você disse vermelho, então você...
está errado.
Esta imagem foi criada pelo
professor de psicologia Akiyoshi Kitaoka
e demonstra quão mal
nós geralmente vemos cor.
Cada pixel na imagem é cinza e alguns
são cinza com um pouco de verde.
Nosso cérebro está, de certa forma,
corrigindo a cor.
Ele está removendo o azul percebido
e nos deixando com o que
parecem ser morangos vermelhos,
mesmo que eles não sejam.

Italian: 
I nostri occhi percepiscono meglio la luminosità rispetto ai colori.
Questo è il motivo per cui si cattura più verde, perchè il verde rappresenta meglio la luce.
Questo è anche il motivo per cui potresti non aver notato che il blu e il rosso sono
stata nascosti dall'inizio del video.
Sistemiamo le cose ora.
Ora guarda questo esempio..che colore sono queste fragole?
Rosso
Rosso
Se anche tu dici rosso...ti sbagli.
Questa immagine è stata creata dal professore di psicologia Akiyoshi Kitaoka e dimostra quanto
male vediamo i colori.
Ciascun pixel in quella immagine è grigio e alcuni sono grigi con un pizzico di verde.
Il nostro cervello in un certo senso corregge i colori che vediamo.
Sta ignorando la componente blu e ci da l'impressione di vedere delle fragole rosse,
anche se non lo sono.

Spanish: 
Nuestros ojos son mucho mejores percibiendo luminocidad, brillo, y no tan buenos con la cominancia o color.
Lo cual es el por qué más verde es captado, ya que es quien mejor representa luminancia.
Es también el motivo por el que tal vez no haz notado que los canales de rojo y azul han estado
borrosos todo este tiempo.
Arreglemos eso.
Ahora, veamos otro ejemplo... ¿De qué color son estas frutillas?
Rojas. Rojas.
Si dijiste rojas, entonces tu... estas equivocado.
Esta imagen fue creada por el profesor en psicología Akiyoshi Kitaoka y demuestra cuan
pobremente, en general,  percibimos el color.
Cada pixel en esa imagen es gris y algunos son grises con un poco de verde.
Nuestro cerebro es, en un sentido, un corrector de color.
Esta quitando el azul perceptible y dejándonos con lo que parecen frutillas rojas,
incluso aunque no lo son.

French: 
...
Nos yeux sont bien meilleurs pour percevoir
la luminance, la luminosité
mais pas aussi bons pour la saturation et les couleurs.
C'est pourquoi le vert est plus capturé puisqu'il
représente le mieux la luminance.
C'est aussi pourquoi vous n'avez peut-être pas
remarqué que les canaux rouges et bleus
ont été flous pendant tout ce temps.
Arrangeons ça !
Maintenant, regardons un autre exemple.
De quelle couleur sont ces fraises ?
...
Rouge
Rouge
Si vous avez dit rouge alors, vous avez... tort.
Cette image a été créée par le professeur
de psychologie Akiyoshi Kitaoka
et elle démontre à quel point
nous voyons mal les couleurs en général.
Chaque pixel dans cette image est gris
et certains sont gris avec un peu de vert.
D'une certaine façon, notre cerveau corrige les couleurs.
Il altère la perception du bleu et nous laisse
avec ce qui semble être des fraises rouges,
même si elles ne le sont pas.

Spanish: 
Las combina para producir el color que lo rodea ... dándonos una imagen que parece real.
Nuestros ojos son mucho mejores en la percepción de la luminancia, el brillo, y no tan buenos con el croma; el color.
Es por eso que se captura más verde ya que representa mejor luma.
También es por eso que no habrás notado que los canales de color rojo y azul tienen
Ha sido borrosa todo este tiempo.
Vamos a arreglar eso.
Ahora veamos otro ejemplo ... ¿de qué color son estas fresas?
rojo rojo
Si dijiste rojo entonces ... estás equivocado.
Esta imagen fue creada por el profesor de psicología Akiyoshi Kitaoka y demuestra lo mal que
Generalmente vemos color.
Cada píxel en esa imagen es gris y algunos son grises con un poco de verde.
Nuestro cerebro está de algún modo corrigiendo el color.
Está sacando el azul percibido y dejándonos con lo que parece ser fresas rojas,
Aunque no lo sean.

German: 
Unsere Augen sind viel besser darin, Helligkeit wahrzunehmen, weniger gut mit Sättigung, Farbe.
Deswegen wird mehr Grün erfasst, da
es Luminanz besser darstellt.
Deswegen hast du möglicherweise auch nicht bemerkt, dass die roten und blauen Farbkanäle
die ganze Zeit unscharf waren.
Lasst uns das in Ordnung bringen.
Nun wollen wir ein anderes Beispiel betrachten ... welche Farbe haben diese Erdbeeren?
Rot
Rot
Wenn du rot gesagt hast, dann liegst du ... falsch.
Dieses Bild wurde vom Psychologie-Professor Akiyoshi Kitaoka erstellt und es zeigt, wie schlecht
wir im Allgemeinen Farbe sehen.
Jeder Pixel in diesem Bild ist grau und manche
sind grau mit ein wenig grün.
Unser Gehirn macht in einem gewissen Sinne Farbkorrektur.
Es nimmt das wahrgenommene Blau heraus und lässt
uns mit etwas zurück, was wie rote Erdbeeren scheint,
obwohl sie nicht rot sind.

English: 
combines them to produce what color is surrounding
it...giving us an image that looks real.
Our eyes are much better at perceiving luminance,
brightness, not so good with chroma, color.
Which is why more green is captured since
that better represents luma.
It is also why you might not have noticed
that the red and blue color channels have
been blurred this whole time.
Let’s fix that.
Now let’s look at another example...what
color are these strawberries?
Red
Red
If you said red then you...are wrong.
This image was created by psychology professor
Akiyoshi Kitaoka and it demonstrates how poorly
we generally see color.
Every pixel in that image is grey and some
are grey with a little bit of green.
Our brain is in a sense color correcting.
It is taking out the perceived blue and leaving
us with what appears to be red strawberries,
even though they aren’t.

Arabic: 
يقوم بجمعها ؛ لإنتاج اللون المحيط بتلك النقطة  ... 
مما يعطينا صورة تبدو حقيقية.
عيوننا أفضل في إدراك الإضاءة والسطوع ولكن ليست جيدة 
مع "صفاء اللون"
لهذا تلتقط اللون الأخضر أكثر من غيره؛ لأنه اللون الأكثر إضاءة .
ولهذا السبب أيضاً ، ربما لم تلاحظ
أن قنوات اللون الأحمر والأزرق
تم تشويشها طوال الوقت.
دعونا نصلح ذلك.
الآن دعونا ننظر إلى مثال آخر ... ما
هو لون هذه الفراولة؟
أحمر
أحمر
إذا قلت الأحمر إذاً فأنت... مخطئ.
تم إنشاء هذه الصورة من قبل أستاذ علم النفس
"أكيوشي كيتاوكا" ويظهر مدى سوء
قدرتنا على رؤية اللون.
كل بكسل في تلك الصورة رمادي والبعض الآخر
رمادي مع قليل من الإخضرار
أدمغتنا تقوم بتصحيح الألوان.
فهي تستثني اللون الأزرق، فيتبقى لنا 
ما يبدو على أنها فراولة حمراء ،
على الرغم من أنها ليست كذلك.

English: 
But how do we know what color is a color?
And how does a camera sensor know?
Well, we know this is purple, orange, yellow,
and pink because we were told that.
Someone, somewhere in our lives told us what
color was what color.
So how does a camera sensor know what color
is?
That is to say, how does what this camera
is recording right now know that this is blue
and more importantly, how does it know what
blue looks like?
Color is a sensation.
And varies depending on the person.
In 1931 the International Commission on Illumination
developed the mathematical limit of human
vision in regards to color by finding the
connections between what humans physiologically
see as color, psycho-visual studies, and wavelengths
in the visible spectrum.

Arabic: 
ولكن كيف لنا أن نعرف أي لون هو لون حقيقي؟
وكيف يعرف مستشعر الكاميرا؟
نحن نعلم أن هذا بنفسجي ، برتقالي ،أصفر، 
ووردي لأنه قيل لنا ذلك.
شخص ما، في مرحلة ما في حياتنا قال لنا ماذا يمثل كل لون
فكيف لمستشعر الكاميرا أن يعرف ما هو اللون؟
وهذا يعني، كيف لما تسجله هذه الكاميرا الآن ...
تعرف أن هذ أزرق
والأهم من ذلك، كيف لها أن تعرف كيف يبدو الأزرق أصلاً ؟
اللون عبارة عن شعور.
ويختلف باختلاف الشخص.
في عام 1931 اللجنة الدولية للإضاءة
وضعت الحد الحسابي للرؤية البشرية
في ما يخص اللون من خلال إيجاد
الصلة بين ما يرى  البشر كـ لون من الناحية الفسيولوجية
والدراسات النفسية والبصرية، والموجات
في الطيف المرئي.

Spanish: 
Pero, ¿cómo sabemos qué color es un color?
¿Y cómo el sensor de una cámara lo sabe?
Bueno, sabemos que esto es púrpura, naranja, amarillo y rosa porque nos lo dijeron.
Alguien, alguna vez en nuestras vidas nos dijo que color es que color.
Así que ¿cómo un sensor de una cámara sabe qué es el color?
Es decir, ¿cómo sabe el sensor de esta cámara que esto es azul?
Y más importante, ¿cómo sabe como se ve el azul?
El color es una sensación.
Y varía dependiendo de la persona.
En 1931, la Comisión Internacional en Iluminación, desarrolló el limite matemático de la visión humana
considerando las conexiones entre las que los humanos fisiológicamente
vemos como color, estudios psico-visuales, y longitudes de onda en el espectro visible.

German: 
Aber wie können wir wissen, welche Farbe eine Farbe ist?
Und wie weiß das ein Kamerasensor?
Nun, wir wissen, das ist lila, orange, gelb,
und pink, weil wir es gesagt bekommen haben.
Irgendjemand hat uns irgendwann in unserem Leben gesagt, welche Farbe welche Farbe ist.
Also, wie weiß dann ein Kamerasensor was Farbe ist?
Mit anderen Worten, woher weiß diese Kamera, die gerade aufnimmt, dass das Blau ist
und noch wichtiger ist, woher weiß sie, wie blau aussieht?
Farbe ist ein Sinneseindruck
und variiert abhängig von der Person.
Im Jahre 1931 entwickelte die Internationale Beleuchtungskommission die mathematische Grenze des menschlichen
Sehvermögen in Bezug auf Farbe, indem sie zwischen dem, was der Mensch physiologisch
als Farbe sieht, psycho-visuellen Studien und Wellenlängen im sichtbaren Spektrum Zusammenhänge fand.

Portuguese: 
Mas como sabemos que cor é uma cor?
E como o sensor de uma câmera sabe?
Bem, nós sabemos que isto é roxo,
laranja, amarelo, e rosa,
porque nos disseram isso.
Alguém, em algum lugar em nossas vidas,
nos disse qual cor era qual cor.
Então, como o sensor de uma câmera
sabe que cor é?
Ou seja, como é que esta câmera
que está gravando agora sabe que isto é azul
e, mais importante,
como ela sabe com o que azul parece?
Cor é uma sensação.
E varia dependendo da pessoa.
Em 1931, a Comissão
Internacional de Iluminação
desenvolveu o limite matemático
da visão humana
em relação à cor, encontrando as conexões
entre o que os humanos
fisiologicamente veem como cor,
estudos psicovisuais, e comprimentos de onda
no espectro visível.

Portuguese: 
Mas como sabemos de que cor é uma cor?
E como o sensor da câmera sabe disso?
Bem, nós sabemos que isso é roxo, laranja, amarelo e rosa, porque nos disseram que era.
Alguém, em alguma parte de nossas vidas, nos disse de que cor era qual cor.
Então, como o sensor da câmera sabe que cor está recebendo?
Isto é, como cargas d´água essa câmera, que está gravando nesse momento, sabe que isso é azul
e, mais importante, como ela sabe como o que a cor azul se parece?
Cor é uma sensação
E varia dependendo da pessoa.
Em 1931, a Comissão Internacional de Iluminação desenvolveu o limite matemático da visão
humana, no aspecto de cores, buscando conexões entre o que humanos fisiologicamente
vêem como cor,  estudos psico-visuais e comprimentos de onda no espectro de cores visível.

Russian: 
Но, как мы знаем, что цвет является цветом?
И как знать, датчик камеры?
Ну, мы знаем, что это фиолетовый, оранжевый, желтый,
и розовый, потому что нам сказали, что.
Кто-то, где-то в нашей жизни, сказал нам, что
цвет был какой цвет.
Так как же знает датчик камеры, какой цвет
является?
То есть, как делает то, что эта камера
записываем прямо сейчас знает, что это синее
и что еще более важно, как он знает, что
синий выглядит?
Цвет ощущение.
И зависит от человека.
В 1931 Международной комиссии по освещению
разработал математическую предел человеческого
видение в отношении цвета, находя
связи между тем, что люди физиологически
см, как цвет, психо-визуальные исследования и длины волны
в видимой области спектра.

Spanish: 
Pero, ¿cómo sabemos qué color es un color?
¿Y cómo sabe un sensor de cámara?
Bueno, sabemos que es púrpura, naranja, amarillo y rosa porque nos dijeron eso.
Alguien, en alguna parte de nuestras vidas nos dijo qué color era qué color.
Entonces, ¿cómo sabe un sensor de cámara de qué color es?
Es decir, ¿cómo lo que esta cámara está grabando ahora mismo sabe que esto es azul
Y lo más importante, ¿cómo sabe cómo es el azul?
El color es una sensación.
Y varía dependiendo de la persona.
En 1931 la Comisión Internacional de Iluminación desarrolló el límite matemático de la
Visión en lo que respecta al color, encontrando las conexiones entre lo que los seres humanos fisiológicamente
Ver como color, estudios psico-visuales y longitudes de onda en el espectro visible.

Hungarian: 
De honnan tudjuk, hogy milyen színű a szín?
És hogyan tudja a kamera érzékelője?
Nos, tudjuk, hogy ez lila, narancs, sárga, és rózsaszín, mert megmondták.
Valaki, valahol az életünkben elmondta, hogy melyik szín milyen színű.
Szóval hogyan tudhatja egy kamera szenzor, hogy mi az, hogy 'szín'?
Azaz, hogyan tudja a kamera, ami ezt éppen felveszi, hogy ez kék?
és ami még fontosabb, hogyan tudja, hogy néz ki a kék szín?
A szín egy érzés.
És mindig a személytől függ.
1931-ben a Nemzetközi Világítástechnikai Bizottság
kidolgozta az emberi színlátás matematikai határát
azáltal, hogy megvizsgálták a kapcsolatokat az emberek fiziológiai színlátás
a pszicho-vizuális tanulmányok és a látható spektrum hullámhosszai között.

Italian: 
Ma come facciamo a sapere di che colore è un colore?
E come fa un sensore della fotocamera a saperlo?
Beh, sappiamo che questo è viola, arancione, giallo,
e rosa.
Qualcuno, durante la nostra vita, ci ha detto che colore ha un determinato colore.
Ma allora come fa un sensore a sapere che colore è?
Ovvero, come fa la fotocamera che sta registrando a sapere che questo è blu
e soprattutto come fa a sapere a cosa assomiglia il blu?
Il colore è una sensazione.
E varia a seconda della persona.
Nel 1931, la commissione internazionale per l'illuminazione ha
definito il limite umano
di visione relativo al colore, individuando il legame tra ciò che un essere umano
vede come colore, e la lunghezza d'onda nello spettro di luce visibile.

French: 
Mais comment pouvons-nous savoir
de quelle couleur est une couleur ?
Et comment le capteur de la caméra le sait ?
...
Eh bien, nous savons que cela est violet,
orange,
jaune
et rose 
parce qu'on nous l'a dit.
Quelqu'un, à un moment de notre vie nous a dit 
quelle couleur est quelle couleur.
Alors comment un capteur de caméra sait ce qu'est une couleur ?
C'est-à-dire, comment est-ce que la caméra
qui enregistre en ce moment sait que c'est du bleu
et plus important encore, comment
sait-elle à quoi ressemble le bleu?
...
La couleur est une sensation,
et elle varie en fonction de la personne.
En 1931, la Commission Internationale de l'Éclairage.
a élaboré la limite mathématique de la vison humaine
en ce qui concerne la couleur
en trouvant les liens entre ce que les humains voient
physiologiquement comme des couleurs,
les études psycho-visuelles et les longueurs d'onde
dans le spectre visible.

Arabic: 
وهذا هو  "CIE 1931 XYZ" فضاء الألوان ،
نطاق رؤية الإنسان.
هنالك صيغ متعدد من هذا النموذج،
ولكن "1931 XYZ" لا يزال يستخدم على نطاق واسع.
كما يطلق عليه أيضا "نموذج اللونية" ،
وهذا يعني حرفيا جودة اللون بغض النظر
عن السطوع.
قد تكون رأيت هذا النموذج من قبل عند شراء شاشة اللابتوب جديد أو تلفاز أو شاشة العرض حيث
حيث تبين لك كم من الألوان في نموذج الألوان
يمكن لها أن تنتج.
تم ضبط مستشعر كاميرتنا لتطابق معيار 
 نطاق الألوان، وذلك باستخدام القيم الأولية لحساب
اللون.
لذلك عندما يتعلق الأمر التقاط الواقع،
 فمستشعر الكاميرا يقوم بعمل أفضل ..
من أعيننا
أنه يلتقط أكثر مما قد ندرك.
وذلك لأن لكل شخص واقع مختلف؛ بمعنى أن
 كل شخص يستجيب للألوان بطريقة مختلفة
أما جهاز استشعار فلا.
إذا كنا أنا وأنت لدينا نفس الكاميرا نصور
نفس الشيء من نفس الزاوية، وسوف
تسجل نفس البيانات الخام.
ولكن أعيننا، أذهاننا، سوف تعالجه بطريقة مختلفة
عن شخص الذي بجانبك.
ولكن مع ذلك ، هذا الفيديو ليس حقيقي.

Russian: 
И это он, CIE 1931 XYZ Цветовое пространство,
гамма человеческого зрения.
Там были итерации этой модели,
но 1931 XYZ по-прежнему широко используется.
Он также упоминается как цветность модели,
в буквальном смысле означает качество цвета независимого
яркости.
Возможно, вы видели что-то похожее на это
при покупке нового ноутбука, телевизор или монитор где
он показывает, сколько этой цветовой модели
он может воспроизвести.
Наш сенсор камеры откалиброван по стандарту
диапазон цветов, с использованием исходных значений для расчета
цвет.
Так что, когда дело доходит до захвата реальности, камера
датчик фактически делает работу лучше, чем наши
собственные глаза.
Она захватывает больше, чем мы могли бы воспринимать.
И это потому, что каждый человек имеет разные
реальность, как и в каждый реагирует на цвет по-разному.
Но датчик не делает.
Если и у меня такая же камера и пленка
то же самое с тем же углом, что будет
записывать одни и те же исходные данные.
Но наши глаза, наш ум, будет обрабатывать его по-разному
чем люди рядом с вами.
Но все-таки, это видео не является реальным.

Spanish: 
Y esto es, CIE 1931 XYZ Color Space, la gama de la visión humana.
Ha habido iteraciones de este modelo, pero 1931 XYZ sigue siendo ampliamente utilizado.
También se conoce como un modelo de cromaticidad, que significa literalmente la calidad del color independiente
De brillo.
Es posible que haya visto algo similar a este al comprar un nuevo portátil, TV o monitor donde
Le muestra cuánto de ese modelo de color puede reproducir.
Nuestro sensor de cámara está calibrado a la gama estándar de colores, usando valores sin procesar para calcular
el color.
Así que cuando se trata de capturar la realidad, un sensor de cámara realmente hace un mejor trabajo que nuestro
propios ojos.
Captura más de lo que podríamos percibir.
Y eso es porque todo el mundo tiene una realidad diferente, como en todo el mundo responde al color de manera diferente.
Pero un sensor no lo hace.
Si tú y yo tenemos la misma cámara y filmamos la misma cosa desde el mismo ángulo,
Registrará los mismos datos brutos.
Pero nuestros ojos, nuestra mente, lo procesarán de manera diferente que la persona que está a su lado.
Pero aún así, este video no es real.

German: 
Und hier ist es, CIE 1931 XYZ Farbraum,
die Skala des menschlichen Sehvermögens.
Es gab Iterationen dieses Modells,
aber 1931 XYZ ist immer noch weit verbreitet.
Es wird auch als Farbart bezeichnet,
das bedeutet die Qualität der Farbe, unabhängig
von Helligkeit.
Du hast beim Kauf eines neuen Laptop, TV oder Monitor vielleicht etwas Ähnliches gesehen, wo
es dir zeigt, wie viel das Gerät von diesem Farbmodell reproduzieren kann .
Unser Kamerasensor ist mit der Standard Farbpalette kalibriert und er benutzt Rohwerte um Farbe
zu berechnen.
Also, wenn es darum geht, die Realität zu erfassen, macht ein Kamerasensor  eigentlich einen besseren Job als unsere
Augen.
Er fängt mehr ein, als wir wahrnehmen könnten.
Und das ist der Fall, weil jeder Mensch eine andere Realität hat, weil jeder Mensch unterschiedlich auf Farbe reagiert.
Aber ein Sensor nicht.
Wenn Sie und ich die gleiche Kamera haben und dasselbe Objekt aus dem selben Winkel filmen, wird sie
die selben Rohdaten aufnehmen.
Aber unsere Augen, unser Geist, wird es anders verarbeiten als die Person neben Ihnen.
Aber dennoch ist dieses Video nicht real.

Spanish: 
Y esto es, el Espacio de Colores CII 1931 XYZ, la gama de la visión humana.
Han habido iteraciones de este modelo, pero el 1931 XYZ es aun bastante utilizado.
Le es también referido como el Modelo de Cromaticidad, significando literalmente la cantidad de color
independiente del brillo.
Tú puede que hayas visto algo similar q esto comprando una nueva laptop, TV o monitor, donde
se te muestra cuanto de ese modelo de color puede reproducir.
El sensor fotográfico de nuestra cámara está calibrado al rango estándar de colores,
usando los valores brutos para calcular el color.
Así que cuando se trata de capturar la realidad, un sensor fotográfico hace un mejor trabajo que
nuestros propios ojos.
Captura más de lo que nosotros podemos percibir.
Y es por eso que cada uno tiene una realidad diferente en la que cada uno responde diferente frente al color.
Pero un sensor no lo hace.
Si tu y yo tenemos la misma cámara y filmamos lo mismo desde el mismo ángulo, entonces
grabaran la misma información "en bruto".
Pero nuestros ojos, nuestras mentes, lo procesarán de forma diferente a la persona que  está a tu lado.
Pero aún así, este vídeo no es real.

French: 
Et ça y est, l'espace colorimétrique CIE XYZ 1931,
la gamme de la vision humaine.
Il y a eu d'autres versions de ce modèle,
mais XYZ 1931 est encore largement utilisé.
Il est également considéré comme
un modèle de chromaticité,
ce qui signifie littéralement qu'il donne la couleur
indépendamment de la luminosité.
Vous avez peut-être vu quelque chose de semblable en
achetant un nouvel ordinateur portable, une télé ou un moniteur
où l'on vous indique à quel point il est capable
de reproduire ce modèle de couleur.
Le capteur de notre caméra est calibré
pour la gamme de couleurs standard
et utilise les valeurs brutes pour calculer la couleur.
Alors, quand il faut capturer la réalité,
en fait le capteur d'une caméra fait
un meilleur travail que nos propres yeux.
Il capture plus que ce que nous pourrions percevoir.
Et c'est parce que chacun a une réalité différente
puisque tout le monde répond
différemment à la couleur.
Mais pas un capteur.
Si nous avons la même caméra et que nous filmons
la même chose sous le même angle,
elle enregistrera les mêmes données brutes.
Mais nos yeux, notre esprit, vont les traiter 
différemment que la personne à côté de vous.
Mais à nouveau, cette vidéo n'est pas réelle.
Chaque couleur capturée par la camera finit par être filtrée.

Portuguese: 
E é essa, o espaço de cor CIE 1931 XYZ,
a gama de cores da visão humana.
Houve iterações deste modelo, mas o 1931 XYZ
ainda é amplamente utilizado.
É também referido como um
modelo de chromaticidade,
significando literalmente
a qualidade da cor independente
do brilho.
Você pode ter visto algo semelhante a isto
ao comprar um novo laptop, TV ou monitor,
onde é mostrado quanto desse modelo de cor
ele pode reproduzir.
O sensor da nossa câmera é calibrado
para uma faixa padrão de cores,
utilizando valores brutos para calcular cor.
Assim, quando se trata de capturar a realidade,
o sensor de uma câmera 
na verdade faz um trabalho melhor
do que nossos próprios olhos.
Ele captura mais do que nós podemos perceber.
E isso é porque todos tem uma realidade diferente,
já que todos respondem diferente à cor.
Mas um sensor não.
Se você e eu tivermos a mesma câmera e filmarmos
a mesma coisa do mesmo ângulo,
ela vai gravar os mesmos dados brutos.
Mas os nossos olhos, nossa mente, irão processá-los
de forma diferente do que a pessoa ao seu lado.
Mas ainda assim, este vídeo não é real.
Cada cor capturada pela câmera
acaba sendo filtrada.

Hungarian: 
És ez a CIE 1931 XYZ színtér:
az emberi látás színskálája.
Voltak a modellnek különböző változatai, de még mindig széles körben használják az 1931 XYZ-t.
Chromaticity Model-nek is nevezik, ami szó szerint a fényerőtől független szín
minőségét jelenti.
Láthattál már ehhez hasonló amikor új laptopot, televíziót vagy monitort vásároltál.
Azt mutatja, hogy az adott szín modell mekkora részét tudja reprodukálni.
A kamera érzékelő standard színválasztékra van kalibrálva, és  nyers értékeket használ a szín
kiszámolásához.
Tehát a  kamera érzékelője valójában jobb munkát végez a valóság érzékelésében,
mint a saját szemünk.
Többet tud érzékelni, mint amit mi fel tudunk fogni.
És ez azért van, mert mindenkinek  megvan a saját valósága: azaz mindenki másképp reagál a színekre.
De a szenzor nem.
Ha te és én ugyanazt a kamerát használjuk és ugyanazt a dolgot filmezzük ugyanabból a szögből, akkor ugyanazt
a nyers adatot rögzítjük mind a ketten.
De a szemünk és az agyunk másképp dolgozza azt fel, mint a melletted lévő személy.
De mégis, ez a videó nem valós.

English: 
And this is it, CIE 1931 XYZ Color Space,
the gamut of human vision.
There have been iterations of this model,
but 1931 XYZ is still widely used.
It is also referred to as a Chromaticity Model,
literally meaning the quality of color independent
of brightness.
You might have seen something similar to this
when buying a new laptop, TV or monitor where
it shows you how much of that color model
it can reproduce.
Our camera sensor is calibrated to the standard
range of colors, using raw values to calculate
color.
So when it comes to capturing reality, a camera
sensor actually does a better job than our
own eyes.
It captures more than we might perceive.
And that is because everyone has a different
reality as in everyone responds to color differently.
But a sensor doesn’t.
If you and I have the same camera and film
the same thing from the same angle, it will
record the same raw data.
But our eyes, our mind, will process it differently
than the person next to you.
But still, this video isn’t real.

Italian: 
Questa cosa, CIE 1931 XYZ, è la gamma di visione umana.
Ci sono state diverse versioni di questo modello, ma il primo - 1931 XYZ - è ancora ampiamente utilizzato.
Spesso è chiamato modello di colore, dato che indica che la qualità del colore è indipendente
dalla luminosità.
Potreste aver visto qualcosa di simile quando avete comprato un nuovo laptop, una tv o un monitor
dato che il modello indica precisamente l'insieme di colori che può riprodurre.
Il sensore della fotocamera è calibrato su un insieme standard di colori, e utilizza dei valori numerici per calcolare
il colore.
In questo modo, quando deve catturare la realtà, riesce a farlo meglio
dei nostri occhi.
Riesce a catturare più luce di quanta noi riusciamo a percepire.
E questo è perché ognuno di noi ha una diversa percezione della realtà, perchè percepiamo i colori in modo differente.
Ma un sensore non è soggettivo.
Se io e te abbiamo la stessa fotocamera e filmiamo la stessa cosa dallo stesso punto,
stiamo registrando gli stessi dati.
Ma i nostri occhi, la nostra mente, vedranno quella cosa in modo diverso dall'altra persona.
Ma ripeto, questo video filmato dalla fotocamera non è veramente reale.

Portuguese: 
E isso é o que eles definiram: "CIE 1931 XYZ Color Space",  a gama da visão humana.
Existem iterações desse modelo, mas o 1931 XYZ ainda é amplamente utilizado.
Ele também é referido como Modelo de Cromaticidade, significando, literalmente, a qualidade de cor
independente do brilho.
Você já deve ter visto algo do tipo quando comprou um computador novo, uma televisão ou um monitor, onde
lhe mostra quantas cores daquele modelo de cor ele consegue reproduzir.
Nosso sensor da câmera é calibrado para o alcance padrão de cores, usando valores puros para calcular
cor.
Então, quando falamos em capturar a realidade, uma câmera faz trabalho melhor do que
nossos próprios olhos.
Ela captura mais do que podemos perceber.
E isso se deve ao fato de que todo mundo tem sua própria realidade, e por consequência percebe cores de maneira diferente.
Mas um sensor não.
Se você e eu temos uma mesma câmera, e resolvermos filmar a mesma coisa, a partir do mesmo ângulo,
gravaremos os mesmos dados.
Mas nossos olhos e nossa mente processarão de maneira diferente da pessoa próxima a você.
Mas ainda assim, esse vídeo não é real.

Portuguese: 
Dependendo da tela
em que você está vendo isso,
a cor, o brilho, o chroma e a luma...
é diferente.
E então seus olhos estão percebendo
isso de forma diferente.
Aqueles números brutos que vimos antes são
o mais próximo que chegamos da realidade
da imagem capturada.
Tudo o que acontece depois,
é uma interpretação.
Um processo em que, após várias iterações,
o que foi visto inicialmente
muda completamente.
Mas, pros nossos olhos, é realidade.
E como sempre, obrigado por assistir.

Portuguese: 
Cada cor capturada pela câmera foi filtrada.
Dependendo da tela em que você está assistindo esse vídeo, o espaço de cor da tela - seja ela
seu telefone, tablet, televisão ou qualquer coisa do tipo - está apresentando as cores, o brilho, os
tons e luminosidade de maneira diferente.
E os seus olhos também estão percebendo de maneira diferente.
Aqueles números que nós vimos anteriormente, são o mais próximo que conseguimos chegar da imagem
capturada.
Tudo o que acontece depois, é pura interpretação.
Um processo que depois de várias iterações modifica o que é visto inicialmente em outra
coisa completamente diferente...  que não era real quando vimos primeiro, mas agora se tornou, para nossos olhos,
realidade.
E como sempre, obrigado por assistir!

French: 
Et en fonction de l'écran sur lequel vous regardez cela,
la couleur, la luminosité, la saturation
et la luminance sont différentes.
Et ensuite vos yeux les perçoivent différemment.
Les chiffres bruts que nous avons examinés plus tôt
sont ce qui se rapproche le plus
de la réalité de l'image capturée.
Tout ce qui se passe après,
est une interprétation.
Un processus qui après plusieurs répétitions
fait que ce que l'on a vu à l'origine...
change complètement
mais qui, à nos yeux,
est la réalité.
Et comme toujours, merci d'avoir regardé.
...

Spanish: 
Cada color capturado por la cámara ha sido filtrado.
Dependiendo de la pantalla en la que estás viendo esto, el espacio de Color que tiene el monitor de
tu celular, tablet, TV, lo que sea que este presentando los colores, el brillo, la
crominancia y luminosidad, son diferentes.
Y entonces tus ojos lo perciben diferente.
Esos números brutos que miramos antes son lo más cercano que llegamos a estar de la realidad de la imagen
capturada.
Todo lo que ocurre después, es solo una interpretación.
Un proceso que gracias a suficientes iteraciones cambiará lo que vimos inicialmente en algo
completamente distinto... que no fue real cuando lo vimos por primera vez, pero se ha convertido, para nuestros ojos en
realidad.
Y como siempre, gracias por vernos.

Spanish: 
Todos los colores capturados por la cámara se han filtrado.
Dependiendo de la pantalla en la que veas este vídeo,
El color, el brillo, el croma y el luma
es diferente
Y por tanto, tus ojos lo están percibiendo de otra manera.
Los números en bruto que vimos antes son los más cercanos que llegamos a la realidad de la imagen
capturada.
Todo lo que sucede después, es sólo una interpretación.
Un proceso que sobre suficientes interacciones cambiará lo que se vió inicialmente,
en otra cosa completamente, pero, para nuestros ojos, es la realidad. Y, como siempre, gracias por ver el vídeo.

Arabic: 
كل لون يتم التقاطه بواسطة الكاميرا
يتم تصفيته.
اعتمادا على الشاشة التي تشاهد فيها الآن
السطوع والصفاء واللون، مختلف.
ثم عينيك تراه بشكل مختلف.
الأرقام الخام التي رأيناها سابقاً هي
أقرب شيء إلى واقع الصورة
الملتقطة.
كل ما يحدث بعد ذلك، هو مجرد
تفسير.
عملية تتكرر  بما يكفي 
ليتغير ما كان يرى في البداية إلى شيء
آخر كلياً  ، ولكن  بالنسبة لأعيننا
واقع.

German: 
Jede Farbe, die die Kamera aufgenommen hat, wurde gefiltert.
Je nach dem auf welchem Bildschirm du das hier ansiehst, der Farbraum des Monitors,
sei es der deines Handys, Tablets, TVs, was auch immer, 
stellt die Farben, die Helligkeit, die
Farbsättigung und Luminanz unterschiedlich dar.
Und dann nehmen deine Augen sie unterschiedlich wahr.
Die rohen Zahlen, die wir vorhin gesehen haben, sind das näheste zur Realität des eingefangenen Bildes.
Alles, was danach passiert, ist nur eine
Interpretation.
Ein Prozess, der nach genügend Iterationen das ursprünglich gesehene
zu etwas ganz anderem verändert... 
was aber für unsere Augen die Realität ist.
Und wie immer, dank für's Zusehen.

English: 
Every color captured by the camera has been
filtered.
Depending on the screen you are watching this
on, the color space the monitor has be it
your cell phone, tablet, TV, whatever, is
presenting the colors, the brightness, the
chroma and luma, differently.
And then your eyes are perceiving it differently.
Those raw numbers we looked at earlier are
the closest we get to the reality of the image
captured.
Everything that happens after, is just an
interpretation.
A process that over enough iterations will
change what was seen initially into something

Hungarian: 
Minden szín, amit a kamera felvett, meg lett szűrve.
Attól függően, hogy milyen képernyőn nézed ezt, a színtér a monitorodon,
mobiltelefonodon, tableteden, TV-den, vagy bármi máson, a színek, a fényerő
másképpen jelennek meg.
És szemeid is másképp érzékelik.
Azok nyers számok amiket korábban láttunk vannak a legközelebb
a felvett kép valóságához.
Minden, ami ezután történik, csak egy
értelmezés.
Egy folyamat, amely elég ismétlés után átváltoztatja az eredetileg látott dolgot
valami teljesen mássá... Ami nem volt valós amikor először láttuk, de mostanra, a szemünknek
valóság lett.
És mint mindig, köszönet a megtekintésért.

Russian: 
Каждый цвет снимаемое камерой было
фильтруют.
В зависимости от экрана вы смотрите это
на, цветовое пространство монитора и будет
ваш мобильный телефон, планшет, телевизор, независимо, является
представление цвета, яркость,
цветность и яркость, по-разному.
И тогда ваши глаза воспринимают его по-разному.
Эти сырые числа мы рассматривали ранее в
ближе мы подходим к реальности изображения
захватили.
Все, что происходит после того, как, это просто
интерпретация.
Процесс, который более чем достаточно итераций будет
изменить то, что было видно изначально во что-то

Italian: 
Ogni colore catturato dalla fotocamera è filtrato.
A seconda dello schermo su cui lo guardi e la gamma di colori che ha
la luminosità,
i colori e la luce si comportano differentemente.
E i tuoi occhi lo percepiscono in modo differente.
Quei numeri che abbiamo visto all'inizio sono la cosa più vicina alla realtà che possiamo trovare nell'immagine
catturata.
Tutto ciò che accade dopo è solo un'interpretazione.
Un processo che dopo diverse iterazione cambia completamente quello che è stato visto inizialmente
Quello che non era vero quando lo abbiamo visto all'inizio ora è diventato
realtà per i nostri occhi.
E come sempre, grazie per la visione.

Russian: 
еще completely..that не было реальным, когда мы
впервые увидел его, но теперь стал, в наших глазах,
реальность.
И, как всегда, спасибо за смотреть.

Hungarian: 
Hello - szia!
Kösz, hogy megnézted ezt a videót!
Tudjátok, ugorjatok át a H3H3 csatornára, és nézzétek meg a videót amit ők csináltak.
Ethan, Hila, mi is ez a videó?
Nos, csináltunk egy kis átverést ezzel a fiatalemberrel,
ahol jelentkeztünk a Vsauce4 csatorna vezetésére - sikeresen.
Van benn egy csomó izgalmas dolog. Rengeteget tudtok tanulni belőlük.
Nagyon tanulságos videó. Szóval kattintsatok a linkre,
és gyertek át a csatornánkra: H3H3 Productions.
Benn lesz a videóban kedvenc srácotok is: Vsauce!
És Michael Stevens.
Ó igen.
Michael Stevens csak egy... lábjegyzet...
Csak egy kis része Michael. Nagyon kicsi...
Szóval nézzétek meg.
Kösz. Köszönjük, hogy itt lehettünk.
Köszi srácok! - Aww.

Portuguese: 
Ei, você. Ei.
Obrigado por ver esse vídeo.
Sabe, você deveria ir no H3H3,
e conferir o vídeo que eles fizeram.
Ethan, Hila, qual é aquele vídeo?
Bem, nós fizemos uma bela paródia,
com este rapaz aqui,
onde nós fazemos um teste para ser o Vsauce4,
com sucesso.
Temos várias vantagens, você vai
aprender muito, é bem educativo.
Então, certifique-se de apertar esse...
botão da anotação.
E dê um pulo no nosso canal, H3H3productions,
estrelando este rapaz aqui, Vsauce.
– E Michael Stevens.
– Ah sim...
– Então, é toda uma...
– Nota de rodapé: Michael Stevens.
– Nota de rodapé.
– Bem pequeno...
– Muito pequeno.
– Então, aperta aí.
– Obrigado, obrigado por nos receber.
– Valeu, gente.
Ei... Ah, vem cá. Ah...
Tchau...

Spanish: 
Hola, gracias por ver este video, sabes? deberíais ir a H3H3 y ver el video que han hecho
Ethan,  Hila, que es eso que queríais decir?
Bueno, hemos hecho un buen video, con el chico este de aqui, donde añadimos satisfactoriamente a Vsauce4
Donde vais a aprender, es muy educativo, así que aseguraos de hacer click en esa anotación
y venir y unirse a nuestro canal,  ¿IssueIssue productions?, donde esta este chico, Vsauce
Y Michel Stevens
Oh, si
Asi que es un total, total...
Muy pequeño, muy pequeño
Así que hacedle click
-Gracias
-Gracias, chicos
Siento si hay algo mal traducido, pero lo he tenido que hacer de oída, pues no esta subtitulado en ingles
En serio, la ultima parte del vídeo probad a ponerla en inglés, no sale nada.

English: 
else completely..that wasn’t real when we
first saw it but has now become, to our eyes,
reality.
And as always, thanks for watching.

Arabic: 
وكما هو الحال دائما، شكراً للمشاهدة.
