当视频生成初创公司 Synthesia 的企业事务主管 Alexandru Voica 夏天时给我发送了他 PR 团队最新成员的链接时，我非常惊讶。它是他的一个互动虚拟化身，经过训练可以回答关于 Synthesia 的常见媒体问题，比如它是做什么和如何运作的。前一天，我参加了一个讨论会，公关人员问我是否介意使用 AI 生成文本的推销。但 Alexandru 的化身超越了这些 — 在我看来，这是在公关中使用 AI 的终极体现。今年九月，Synthesia 邀请我到它位于纽约的新办公室。Originally based in the U.K., Synthesia is a hot digital avatar startup alongside others like D-ID, HeyGen, and Colossyan. 今年早些时候，它的估值达到了 40 亿美元，并表示去年它的年度经常性收入超过了 1 亿美元。Synthesia 让企业通过 AI 化身制作互动培训视频，并最近推出了一款名为 Roleplay Sessions 的产品，让员工可以练习销售推介，与一个互动的 AI 化身对话，该化身会回应并评分他们的反应。当我去参加新办公室的开幕活动时，他们问我是否想要自己的 AI 化身，我毫不犹豫地回答“是”。当然，我想要我自己的数字双胞胎。那天我的服装很可爱，头发也整齐。直到我遇到我的数字双胞胎，我对化身一直持无所谓的态度，但我感觉它们无疑会成为日常在线生活的一部分。我听说有人在 Instagram 上创建与他们相似的化身，以帮助他们制作社交内容。我觉得这一切都很有趣，也许这就是我现在毫无顾虑地向你展示我的数字双胞胎的原因。这是 Synthesia 第一次为记者（或任何人，除了 Voica 之外）制作数字化身。它经过我的故事训练，关于为什么风险投资支持的初创企业比非风险投资支持的初创企业更容易发生欺诈，只会回答关于这个故事的问题。下面，简单地按“在新窗口中开始”即可开始。你可以问它这样的问题：我为什么决定写这个故事？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，我进入了 Synthesia 办公室内的一个迷你电影工作室，在那里他们拍了很多我的照片，并录制了我两分钟的声音。我必须同意这些化身的制作，嗯，数字化身唐诞生了。他们为我创建了一个个人化身（只是读取我给他的任何脚本） — 有戴眼镜和不戴眼镜的版本 — 然后为我制作了两个互动化身（可以与我对话并听我说话），同样有戴眼镜和不戴眼镜的版本。我们选择了一篇文章来训练互动化身，然后一个团队为我构建了我的互动化身，该化身由语音转文本、视频、语言和文本转语音模型的组合驱动。我的化身技术栈包括 Synthesia 自身的视频和语音模型，尽管该公司也允许客户选择来自其他实验室（如 Cartesia、ElevenLabs、Google 或 OpenAI）的替代方案。企业还可以选择将他们的化身托管在他们想要的任何云上，或者支付 Synthesia 托管他们。语音转文本模型将人们所说的内容转换为文本，智能语言模型理解文本并能基于文本采取行动，文本转语音模型将回应转换为音频，最后视频模型（由 Synthesia 构建）在化身说话时给其动画。总体来看，Synthesia 构建三种类型的产品 — 一个视频创建和分发平台，具有经典化身，用户输入脚本，化身重复；一个名为 Sessions 的智能平台，人们可以在调查或角色扮演中与化身互动；以及一个 API 平台，用户可以将 Synthesia 的视频和语音模型与其他技术服务结合，创建互动化身或其他类型的产品。Synthesia 团队花费了几天时间制作我的化身。我首先与个人化身进行互动，输入了一个相当通用的脚本，以查看我的 AI 声音听起来如何。我让它谈论秋天已在纽约到来的话题，这是我一年中最喜欢的季节。声音相当准确，我很高兴它没有捕捉到我在录制音频样本时的沙哑。我把它展示给一些非技术的朋友，他们觉得既有趣又令人毛骨悚然。然后我向他们展示了我的互动化身，这是一种确定性化身，意味着它只会说训练中给它的发展内容。在这种情况下，就是我的风险投资欺诈故事。我问它像我之前在哪里和我住在纽约的哪个地方等问题，但每次它都引导我回到故事上。我的朋友们认为这个声音听起来并不像我的，认为与个人化身的相似度不够好，但尽管如此，它仍然足够接近，让人觉得有点毛骨悚然。我的妈妈称之为“惊人”，这对于她来说是相当高的赞誉。她和我父亲一直试图问它一些“只有他们会知道”的关于我的问题 — 但模型没有回答，每次都将他们引导回风险投资欺诈的故事。