Synthesia-მ TechCrunch-ის ჟურნალისტისთვის AI ავატარი შექმნა, რომელიც მხოლოდ ერთ სტატიაზე პასუხობს

დიდი ბრიტანეთის ციფრული ავატარების სტარტაპმა Synthesia-მ, რომლის ღირებულება 4 მილიარდ დოლარს აღწევს, TechCrunch-ის ჟურნალისტისთვის ინტერაქტიული AI ავატარი შექმნა. ვენჩურული კაპიტალის თემაზე მომუშავე რეპორტიორმა დომინიკ-მადორი დევისმა 26 სექტემბერს გამოქვეყნებულ მასალაში აღწერა, როგორ ააგეს ავატარი მისი ერთი სტატიის მიხედვით: ის მხოლოდ ამ სტატიაზე დასმულ კითხვებს პასუხობს. დევისის თქმით, ეს Synthesia-ს პირველი ავატარია, რომელიც ჟურნალისტისთვის შეიქმნა, და პირველი შემთხვევა, როცა კომპანიამ ავატარი თავისი კორპორაციული ურთიერთობების ხელმძღვანელის, ალექსანდრუ ვოიკას გარდა, სხვა ადამიანისთვის დაამზადა.

ორი წუთი ხმა და რამდენიმე დღე სამუშაო

ნიმუში ჟურნალისტმა ახალი იორკის ოფისში მდებარე პატარა კინოსტუდიაში ჩაწერა. გუნდმა მისი ბევრი ფოტო გადაიღო და ორწუთიანი ხმის ჩანაწერი გააკეთა, ავატარების შექმნაზე თანხმობა მან წინასწარ გასცა. კომპანიამ ორი სახის ავატარი დაამზადა: პირადი, რომელიც მხოლოდ იმ ტექსტს კითხულობს, რასაც მას გადასცემენ, და ინტერაქტიული, რომელსაც მოსმენა და პასუხის გაცემა შეუძლია. ორივე ვარიანტი სათვალით და სათვალის გარეშე შეიქმნა, სამუშაო კი რამდენიმე დღეში დასრულდა.

როგორ პასუხობს ავატარი

ინტერაქტიული ავატარი ოთხ კომპონენტს აერთიანებს: მეტყველების ტექსტად გადამქმნელ მოდელს, აგენტურ ენობრივ მოდელს, ტექსტის ხმად გადამქმნელ სისტემას და ვიდეომოდელს, რომელიც სახეს აანიმაციებს. ვიდეო და ხმოვანი მოდელები Synthesia-ს საკუთარია, თუმცა მომხმარებელს შეუძლია აირჩიოს Cartesia-ს, ElevenLabs-ის, Google-ის ან OpenAI-ს ხელსაწყოები და შედეგი საკუთარ ღრუბელზე განათავსოს. ავატარი დეტერმინისტულია: პირად კითხვებზე, რომლებიც მის მომზადებაში არ შედიოდა, ის საუბარს ისევ სტატიას უბრუნებდა. დევისის თქმით, მეგობრებმა ხმა საინტერესოდ და ამავდროულად არასასიამოვნოდ შეაფასეს, დედამ კი ხუმრობით თქვა: „არ მახსოვს, ორი შენ რომ გავაჩინე“.

ბიზნესი დემონსტრაციის მიღმა

Synthesia სამი ტიპის პროდუქტს ყიდის. პირველი კლასიკური ავატარებით ვიდეოების შექმნის პლატფორმაა: მომხმარებელი ტექსტს წერს და ავატარი მას ხმამაღლა კითხულობს. მეორე, Sessions, აგენტური პლატფორმაა, სადაც თანამშრომლები ავატარებთან გამოკითხვებში ან როლურ სესიებში საუბრობენ, გაყიდვების პრეზენტაციებს ვარჯიშობენ და პასუხებზე შეფასებას იღებენ. მესამე API-პლატფორმაა, რომელიც კომპანიებს საშუალებას აძლევს, Synthesia-ს ვიდეო და ხმოვანი მოდელები საკუთარ სისტემებთან დააკავშირონ. კომპანია D-ID-ს, HeyGen-სა და Colossyan-ს კონკურენციას უწევს; გასულ წელს მან განაცხადა, რომ წლიური განმეორებითი შემოსავალი 100 მილიონ დოლარს გადააჭარბა, წლის დასაწყისში კი ღირებულებამ 4 მილიარდ დოლარს მიაღწია.

ნდობა, როგორც ღია კითხვა

დევისი წერს, რომ ციფრული ტყუპის მიმართ გრძნობები არაერთგვაროვანი აქვს. სამსახურში საკუთარი ასლის გამოყენება მოსახერხებლად მიაჩნია, ავატარები ჰუმანოიდ რობოტებზე ნაკლებად ამაღელვებელია მისთვის, თუმცა ეჭვობს, რომ ნდობა, ჟურნალისტიკის საფუძველი, პროგრამას ვერ გადაეცემა. მისი ავატარი დეტერმინისტულია, ამიტომ არასდროს იმპროვიზაციას არ აკეთებს; დევისის თქმით, არადეტერმინისტულ ვერსიასთან, რომელსაც თავისუფლად მოლაპარაკე ჩატბოტი მართავს, ადამიანს ადვილად შეიძლება მიჯაჭვულობა განუვითარდეს. ერთმა ინვესტორმა, რომელსაც ის ესაუბრა, ავატარების მიერ ახალი ამბების წარდგენა კატეგორიულად უარყო, სხვები კი დარწმუნებულები არ იყვნენ.