今年夏天，视频生成初创公司 Synthesia 的企业事务负责人 Alexandru Voica 发给我一个链接，介绍他们公关团队的新成员，我着实吃了一惊：那是一个可以互动的虚拟版 Alexandru，经过训练，能够回答关于 Synthesia 做什么、如何运作等常见媒体问题。
9月，Synthesia 邀请我参观其位于纽约的新办公室。这家最初在英国成立的公司，是 D-ID、HeyGen 和 Colossyan 等数字化身初创公司中的热门玩家。今年早些时候，它的估值达到40亿美元，并称去年年度经常性收入已超过1亿美元。
Synthesia 让企业用 AI 化身制作互动培训视频，最近还推出 Roleplay Sessions，让员工可以与会回应并评分的互动 AI 化身练习销售话术等场景。
他们问我是否想拥有自己的 AI 化身时，我毫不犹豫地答应了。当然，我愿意拥有自己的数字分身。那天我的穿搭很可爱，头发也很整齐。
在见到数字分身之前，我对化身并没有特别感觉，但我认为它们迟早会进入日常网络生活。如今，这是 Synthesia 第一次为记者制作互动数字化身，也是 Voica 之外的第一个此类案例。它基于我关于“为什么风投支持的初创公司比非风投公司更容易实施欺诈”的报道训练，并且只会回答与那篇报道有关的问题。
制作化身时，我进入 Synthesia 办公室里的一间小型摄影棚，他们拍了很多张照片，还录下了两分钟的声音。我同意制作这些化身后，数字版 Dom 就诞生了。他们为我制作了只能朗读指定脚本的个人化身（有眼镜和无眼镜版本），以及能够听我说话并作出回应的互动化身。
我们选了一篇文章来训练互动化身，随后由一个团队完成了它。这个化身由语音转文字、视频、语言和文字转语音模型组合驱动，技术栈包括 Synthesia 自己的视频和语音模型，也允许客户选择 Cartesia、ElevenLabs、Google 或 OpenAI 等其他实验室的模型。企业还可以选择把化身部署在任意云平台，或者付费让 Synthesia 托管。
语音转文字模型先把人们说的话变成文字，智能体语言模型理解文字并采取行动，文字转语音模型将回答变成声音，最后由 Synthesia 制作的视频模型让化身动起来。
总体来说，Synthesia 有三类产品：让用户输入脚本、由经典化身重复朗读的视频制作与分发平台；名为 Sessions 的智能体平台，让人们在问卷或角色扮演中与化身互动；以及 API 平台，让客户把 Synthesia 的视频和语音模型与其他技术服务结合起来，制作互动化身或其他产品。
制作我的化身花了团队几天时间。我先试用了个人化身，输入一段普通脚本，听它用 AI 声音谈论纽约秋天到来和我最喜欢的季节。声音相当准确，还好没有录入声音样本时嗓子沙哑的状态。
我把它展示给几位非科技行业的朋友，他们觉得既有趣又有点吓人。
互动化身是确定性的，也就是说它只会回答训练时允许回答的内容。我问它在 TechCrunch 之前在哪里工作、住在纽约哪个区域，它每次都把我引回那篇风投欺诈报道。朋友们认为声音不太像我，个人化身的外貌也更逼真，但它仍然像得足够让人有些发毛。我妈妈称它“太神奇了”，这对她来说已经是很高的评价。
这次经历让我开始思考新闻业的未来：人们会接受打开新闻时由一个化身播报吗？一位投资人立刻说不会。如今，社交媒体和其他新闻分享平台已经充斥着 AI 垃圾内容，人们对此反弹很大。但我询问的另一些人并不确定。化身能增强、甚至取代记者吗？CEO 们会想与记者的 AI 化身交谈，而不是与真人交谈吗？
我喜欢自己的职业，是因为能与人建立联系、写故事、研究新话题。但新闻业最重要的是信任，而这似乎永远不可能外包给 AI。
在新闻业之外，我相信克隆自己的想法会很有吸引力。假期结束后不用再补工作，因为总有一个版本的你在场回答问题。
我们还得观察数字化身在美国企业中的发展。但现在我拥有了自己的化身，心情很复杂。最初的新鲜感过去后，我盯着它停止说话的脸，等待着什么——我也不知道。也许是在等它眨眼，或者说点新东西、笑一笑，或者让我知道它确实知道自己是谁。
由于我的数字双胞胎是确定性的，它们永远不会这样。但我能理解，如果数字化身由可以自由发挥的聊天机器人驱动，人很容易陷入一丝 AI 精神错乱。
无论数字双胞胎的未来如何，我猜我们这一代 Z 世代可能永远无法习惯它们。它们感觉像科幻电影，而电影里出现过的一切如今都来了。不过，数字化身至少没有人形机器人那么令人不适：如果事情变怪了，我随时可以退出登录。
来源：TechCrunch
