Synthesia, bir TechCrunch muhabirinin tek makaleyle eğitilen AI avatarını üretti

Synthesia, 4 milyar dolar değerlemeye ulaşan İngiliz dijital avatar girişimi, bir TechCrunch muhabirinin etkileşimli AI avatarını üretti. Girişim sermayesi alanında yazan Dominic-Madori Davis, 26 Eylül'de yayımlanan haberinde süreci anlattı: avatar, onun bir makalesiyle eğitildi ve yalnızca o makaleyle ilgili sorulara yanıt veriyor. Davis'e göre bu, Synthesia'nın bir gazeteci için hazırladığı ilk avatar ve şirketin kurumsal iletişim başkanı Alexandru Voica dışında bir kişi için ürettiği ilk avatar.

İki dakikalık ses kaydı, birkaç günlük iş

Muhabir görüntüleri Synthesia'nın New York'taki yeni ofisinde bulunan küçük bir film stüdyosunda kaydetti. Ekip çok sayıda fotoğrafını çekti ve iki dakikalık bir ses örneği aldı; avatar üretimi için de açık rıza gerekiyordu. Synthesia, kendisine verilen her metni okuyan bir kişisel avatar ile dinleyip yanıt verebilen etkileşimli avatarları gözlüklü ve gözlüksüz sürümleriyle hazırladı. İş birkaç gün sürdü.

Avatar nasıl yanıt veriyor

Etkileşimli avatar; konuşmayı metne çeviren bir modeli, ajan tabanlı bir dil modelini, metni sese dönüştüren bir modeli ve yüzü canlandıran bir video modelini birleştiriyor. Video ve ses modelleri Synthesia'nın kendi modelleri, ancak müşteriler Cartesia, ElevenLabs, Google veya OpenAI araçlarını tercih edebiliyor ve sonucu kendi bulutunda barındırabiliyor. Avatar deterministik: eğitim verisinde olmayan kişisel sorularda sohbeti her seferinde makaleye geri getirdi. Davis, arkadaşlarının sesi hem ilginç hem ürkütücü bulduğunu, annesinin ise "Senden iki tane doğurduğumu hatırlamıyorum" diye şaka yaptığını yazdı.

Demodan öteye iş modeli

Synthesia üç tür ürün satıyor. İlk platform, yazılı metinleri klasik avatarlarla videoya dönüştürüyor. Sessions adlı ajan platformu, çalışanların anketlerde ya da rol yapma oturumlarında avatarlarla konuşmasını sağlıyor; bu oturumlarda satış sunumlarını çalışıp yanıtlarına puan alıyorlar. Üçüncü ürün ise API: şirketler Synthesia'nın video ve ses modellerini kendi teknolojileriyle birleştirebiliyor. D-ID, HeyGen ve Colossyan ile rekabet eden şirket, geçen yıl 100 milyon dolar yıllık yinelenen geliri aştığını duyurdu ve bu yılın başında 4 milyar dolar değerlemeye ulaştı.

Açık soru: güven

Davis, dijital ikizler konusunda karışık duygular taşıdığını yazdı. Kendini iş için kopyalamanın cazibesini görüyor ve avatarları insansı robotlardan daha az rahatsız edici buluyor; ancak gazeteciliğin özü olan güvenin yazılıma devredilebileceğine inanmıyor. Avatarı deterministik olduğu için asla doğaçlama yapmıyor; Davis'e göre serbestçe konuşabilen deterministik olmayan bir sürüm sağlıksız bir bağlanmaya yol açabilir. Konuştuğu bir yatırımcı, haber sunuculuğunu avatarlara bırakma fikrini tümden reddetti; bazıları ise kararsızdı.