据TechCrunch报道，英国数字人初创公司Synthesia今年9月在其纽约新办公室为一名记者制作了可互动的数字分身。这是该公司首次为记者、也是首次为企业事务负责人Alexandru Voica之外的人制作数字分身。

Synthesia 总部原在英国，与 D-ID、HeyGen、Colossyan 同属热门数字人创业公司。该公司今年早些时候估值达到 40 亿美元，并称去年年度经常性收入超过 1 亿美元。它让企业用 AI 数字人制作互动培训视频，并在近期推出 Roleplay Sessions，让员工与可回应并给回答打分的互动 AI 数字人练习销售话术等场景。记者此前收到 Voica 的互动虚拟分身链接，该分身被训练来回答关于 Synthesia、其业务和运作方式的常见媒体问题。在纽约办公室开幕活动上，记者被问是否愿意拥有自己的 AI 分身，并当即答应。

制作在 Synthesia 办公室内的小型摄影棚完成。团队为记者拍摄大量照片，并录制两分钟声音，记者须同意这些分身被制作。Synthesia 为记者制作了个人分身，可朗读任何给定脚本，有戴眼镜和不戴眼镜两个版本；同时制作了两个互动分身，能对话和倾听，也有戴眼镜与不戴眼镜版本。整个制作耗时数天。

互动分身被选定训练于记者关于“为什么风投支持的初创公司比非风投支持的初创公司更容易欺诈”的报道，因此只回答与该报道相关的问题。记者询问加入 TechCrunch 前在哪里工作、住在纽约哪里，分身每次都把话题引回那篇报道。其技术组合包括语音转文本、视频、语言和文本转语音模型。语音转文本模型把人说的话转为文字，代理式语言模型理解文字并据此行动，文本转语音模型把回应转为音频，Synthesia 自建视频模型则为说话时的分身提供动画。技术栈包含 Synthesia 自家视频和语音模型，不过公司也允许客户选用 Cartesia、ElevenLabs、Google 或 OpenAI 等实验室的替代方案。企业可选择把分身托管在任何云上，或付费由 Synthesia 托管。

Synthesia 目前构建三类产品：带经典数字人的视频创建与分发平台，用户输入脚本后由数字人复述；名为 Sessions 的代理式平台，人们可在调查或角色扮演中与数字人互动；以及 API 平台，客户可将 Synthesia 视频和语音模型与其他技术服务组合，构建互动数字人或其他产品。

记者先测试个人分身，输入一段关于纽约秋天到来的通用脚本。声音相当准确，也没有带出录音时嗓音的沙哑。非技术背景的朋友觉得有趣又诡异。记者随后展示互动分身，朋友认为声音不太像记者，相似度不如个人分身，但仍接近到有些诡异。记者母亲称其“amazing”，她和父亲不断问“只有他们知道”的问题，模型没有回答，每次都把他们引回那篇风投欺诈报道。