Synthesia napravila interaktivni avatar novinarke
Synthesia je izradila interaktivni digitalni avatar novinarke Dominic-Madori Davis, što kompanija opisuje kao prvi takav slučaj za novinara i osobu van internog primera Alexandrua Voice. Avatar je obučen na jedan tekst o tome zašto startapi podržani rizičnim kapitalom češće čine prevare od onih bez takvog finansiranja, pa odgovara isključivo na pitanja iz tog sadržaja.
Za izradu su u kancelariji kompanije snimljene brojne fotografije i približno dvominutni uzorak glasa, uz pristanak osobe čiji se lik i glas koriste. Synthesia je napravila lični avatar, koji čita uneti scenario, kao i dve interaktivne verzije, sa naočarima i bez njih.
Avatar sa strogo ograničenim znanjem
Interaktivna verzija je deterministička: ne improvizuje van materijala za koji je obučena. Kada su joj postavljena pitanja o prethodnom poslu novinarke ili delu Njujorka u kojem živi, sistem je razgovor vraćao na tekst o prevarama u startapima. Takvo ograničenje smanjuje prostor za odgovore koji nisu zasnovani na zadatom korpusu.
Tehnološki tok obuhvata model za pretvaranje govora u tekst, agentski jezički model koji obrađuje upit i može da pokreće radnje, model za pretvaranje teksta u govor i video-model koji animira avatar tokom govora. Synthesia za video i glas koristi sopstvene modele, ali korisnicima omogućava i izbor tehnologija drugih laboratorija, uključujući Cartesia, ElevenLabs, Google i OpenAI.
Tri proizvoda i izbor infrastrukture
Kompanija navodi tri produktne celine. Prva je platforma za izradu i distribuciju videa sa klasičnim avatarima koji izgovaraju napisani scenario. Druga je agentska platforma Sessions, namenjena interakciji kroz ankete ili vežbe igranja uloga, poput uvežbavanja prodajnog razgovora. Treća je API platforma, preko koje se video i glasovni modeli mogu povezati sa drugim servisima radi izrade interaktivnih avatara i drugih proizvoda.
Preduzeća mogu da biraju i gde će avatar biti hostovan: na sopstvenoj cloud infrastrukturi ili u hostingu koji obezbeđuje Synthesia. Kompanija, osnovana u Ujedinjenom Kraljevstvu, saopštila je da je prethodne godine premašila 100 miliona dolara godišnjeg ponavljajućeg prihoda, dok je ranije ove godine dostigla vrednovanje od 4 milijarde dolara.
Poverenje ostaje granica primene
Primer otvara pitanje primene avatara u komunikaciji, obuci i medijima. Lični avatar može brzo da predstavi unapred pripremljen sadržaj, dok interaktivni model može da odgovara u ograničenom domenu. Istovremeno, iskustvo sa avatarom novinarke pokazuje razliku između vizuelne i glasovne sličnosti i stvarne sposobnosti da razume širi kontekst.
Za poslovanje je praktičan zaključak da avatar treba uvoditi uz jasan pristanak, precizno definisan skup znanja i proveru načina hostovanja. Ograničenja odgovora mogu biti korisna za obuku i standardizovana pitanja, ali ne zamenjuju ljudsko poverenje tamo gde su procena, istraživanje i odgovornost ključni.