Synthesia 为记者定制互动数字分身，估值 40 亿美元

今年夏天，视频生成初创公司 Synthesia 的企业事务负责人 Alexandru Voica 给我发了一个链接，介绍他们公关团队的最新成员，我当时很惊讶。那是一个他的交互式虚拟化身，经过训练可以回答关于 Synthesia 的常见媒体提问，比如它是做什么的、如何运作。就在前一天，我参加了一个座谈会，会上有公关人员问我是否介意使用 AI 生成文本的推介邮件。但 Alexandru 的化身已经超越了这一点——在我看来，这简直是 AI 在公关领域应用的终极 boss。

9 月，Synthesia 邀请我去它位于纽约的新办公空间。Synthesia 最初总部在英国，是一家热门的数字化身初创公司，与 D-ID、HeyGen 和 Colossyan 等公司齐名。它今年早些时候达到了40 亿美元的估值，并在去年表示其已突破1 亿美元的 ARR。

Synthesia 让企业能够用 AI 化身构建交互式培训视频，并在最近推出了一款名为Roleplay Sessions的产品，让员工可以练习，比如用交互式 AI 化身练习销售话术，化身会回应并给他们的回答打分。

当我去参加新办公室的开业活动，他们问我是否想要自己的 AI 化身时，我毫不犹豫地答应了。我当然想要自己的数字分身。那天我的穿搭很可爱，头发也打理得整整齐齐。

在见到我的数字分身之前，我一直对化身无感，但我觉得它们终将成为日常网络生活的一部分。我听说有人在 Instagram 上创建与自己相像的化身，来帮自己制作社交内容。我觉得这一切都非常有趣，也许正因如此，我现在可以毫无顾虑地向你们展示我的数字分身。这是 Synthesia 第一次为记者制作数字化身（或者说，除了 Voica 之外，为任何人制作）。它是基于我关于为什么有风投支持的初创公司比没有风投支持的初创公司更容易实施欺诈的报道训练的，并且只会回答关于那篇报道的问题。

在下方，只需点击“在新窗口中启动”即可开始。

你可以问它这样的问题：

• 我为什么决定写这篇报道？
• 这篇研究论文是关于什么的？
• 研究人员发现了什么？

为了制作这个，我走进 Synthesia 办公室里的一个迷你摄影棚，他们在那里给我拍了大量照片，并录制了一段两分钟的声音。我必须同意制作这些虚拟形象，然后，嗯，数字版 Dom诞生了。他们为我创建了一个个人虚拟形象（一个只会朗读我给它任何脚本的形象）——有戴眼镜和不戴眼镜两个版本——还为我制作了两个互动虚拟形象（可以回话并听我说话的形象），同样有戴眼镜和不戴眼镜两个版本。

我们选了一篇文章来训练这个互动虚拟形象，然后其中一个团队构建了我的互动虚拟形象，它由语音转文字、视频、语言和文字转语音模型组合驱动。我的虚拟形象的技术栈包括 Synthesia 自家的视频和语音模型，不过该公司也允许客户选择来自 Cartesia、ElevenLabs、Google 或 OpenAI 等其他实验室的替代方案。企业还可以选择将虚拟形象托管在任何他们想要的云上，或者付费让 Synthesia 托管。

语音转文字模型把人们说的话转成文本，智能体语言模型理解文本并能据此采取行动，文字转语音模型把回复转成音频，最后是一个视频模型（由 Synthesia 构建）在虚拟形象说话时为其制作动画。

总体而言，Synthesia 构建三类产品——一个带有经典虚拟形象的视频创作和分发平台，用户输入脚本，虚拟形象就复述出来；一个名为 Sessions 的智能体平台，人们可以在调查问卷或角色扮演中与虚拟形象互动；以及一个 API 平台，人们可以将 Synthesia 的视频和语音模型与其他技术服务结合，构建互动虚拟形象或其他类型的产品。

Synthesia 团队花了几天时间制作我的虚拟形象。我先试玩了个人版，输入了一段相当通用的脚本，看看我的 AI 声音听起来如何。我让它谈论纽约的秋天已经到来，那是我一年中最喜欢的时节。声音相当准确，我很高兴它没有捕捉到我录制音频样本时的任何沙哑。

我把它展示给一些非技术圈的朋友，他们觉得既有趣又诡异。

然后我向他们展示了我的交互式版本，它是确定性的，意味着它只会说它被训练来回应的话。在这个案例中，那就是我的风险欺诈故事。我问了它一些问题，比如我在 TechCrunch 之前在哪里，以及我住在纽约的哪个部分，但每次它都把我引回那个故事。

我的朋友们觉得声音听起来不太像我，认为相似度不如个人头像，但仍然足够接近，有点令人毛骨悚然。我妈妈称之为“惊人”，这对她来说是相当高的赞誉。她和我父亲一直试图问它“只有他们才会知道”的关于我的问题——但模型没有回答，每次都把他们重定向到风险欺诈故事。

“我不记得生过你们两个，”她在测试模型后开玩笑说。

这次经历让我思考新闻业的未来可能是什么样子。人们会接受打开新闻，由头像来呈现吗？一位投资者立即告诉我不会。当然，有很多反对声音今天关于AI 垃圾已经渗透到社交媒体和其他新闻分享平台。但我问过的其他人并不那么确定。头像能增强——甚至取代——记者吗？CEO 们会愿意与记者的 AI 头像交谈，而不是真人吗？

我喜欢我的职业的地方在于与人连接、写故事和研究新话题。但新闻业最大的部分是信任。这似乎永远不可能外包给 AI。

在新闻业之外，我确信克隆自己的想法可能很有吸引力。假期或休假后不再需要赶工作，因为你的一个版本可以随时在场，回答问题。

我们将不得不看看头像使用在美国企业中如何演变。但现在我有了自己的，我有复杂的感觉。在我克服了最初的新奇感后，我在它停止说话后仔细检查了我的头像，并等待着——等待什么，我不确定。也许我在等它眨眼。或者说些新东西，或微笑，或只是让我知道它知道。

因为我的数字孪生是确定性的，它们永远不会那样做。但我能看出，如果一个人的数字孪生是非确定性的，也就是由一个可以自由高谈阔论的聊天机器人驱动，那这个人很容易陷入一丝 AI 精神病。

我告诉过一位投资者，无论数字孪生的未来如何，我预测我这一代，也就是 Z 世代，可能不会习惯它们。它们感觉像科幻：我们在电影里见过的一切现在都成真了。但我要说，我觉得数字化身没有类人机器人那么令人不适。至少有了化身，如果事情变得奇怪，我随时可以退出登录。

不过在那之前，这是我的个人化身，为你概述我们网站本周的所有头条新闻！