У Нью-Йорку створили інтерактивний аватар журналіста — TechCrunch

У Нью-Йорку автор матеріалу TechCrunch випробував інтерактивний цифровий аватар, створений компанією Synthesia. Аватар навчили відповідати на запитання лише про статтю журналіста щодо причин, через які стартапи за підтримки венчурного капіталу частіше вдаються до шахрайства, ніж компанії без такого фінансування.

Для створення аватара в офісі Synthesia зробили фотографії автора та записали приблизно дві хвилини його голосу. Компанія підготувала кілька версій: персональні аватари, які озвучують введений сценарій, та інтерактивні, здатні слухати запитання й відповідати на них. Кожен варіант створили з окулярами й без них.

Як працює аватар

Інтерактивний аватар використовує поєднання моделей перетворення мовлення на текст, мовної моделі, синтезу голосу та відеомоделі, яка анімує зображення під час відповіді. Synthesia застосовує власні відео- й голосові моделі, але також дозволяє клієнтам обирати альтернативні рішення від Cartesia, ElevenLabs, Google або OpenAI.

Аватар журналіста працює в детермінованому режимі: він відповідає лише в межах матеріалу, на якому його навчали. На запитання про особисте життя чи попередню роботу він не відповідав по суті, а повертав розмову до теми статті. Створення аватарів тривало кілька днів.

Продукти Synthesia

Synthesia, що спочатку базувалася у Великій Британії, розробляє корпоративні відео з ШІ-аватарами. Торік компанія повідомляла, що її річний регулярний дохід перевищив $100 млн, а цього року її оцінка сягнула $4 млрд.

Серед продуктів компанії — платформа для створення відео за текстовим сценарієм, сервіс Roleplay Sessions для інтерактивних тренувань працівників і API-платформа для поєднання відео- та голосових моделей з іншими сервісами. Автор матеріалу зазначив, що цей експеримент змусив його замислитися над використанням цифрових двійників у журналістиці, де ключовим елементом залишається довіра.