Synthesia 2.0 发布：用手机自拍做数字人，手势肢体动作今年上线

平时在刷短视频或看流媒体时，大家早习惯了视频主导的生活。可一回到公司上班，内部培训、交接文档、产品演示还是密密麻麻的一堆文字，或者干脆是一场又一场漫长的会议。

Synthesia 刚刚发布了 2.0 版本，打算把整套企业视频制作流程重做一遍。平台目前拥有超过 240 个 AI 数字人，支持 140 多种语言，目的就是让企业像写文档一样批量生成视频。

手机录一段，克隆出能说 30 种语言的自己

很多人用数字人最纠结的是定制成本。过去要定制属于自己的形象，往往得专门进摄影棚录制。

在 Synthesia 2.0 里，他们把个人专属数字人拆成了两条路。追求大片质感的企业高管，依然可以选择影棚级高清拍摄；但如果你只是普通员工，现在直接打开电脑摄像头或掏出手机，在自然背景下录一段就行。

升级后的自制头像不仅口型匹配更准、声音听起来更自然，还能直接把你的音色克隆成 30 多种语言。这意味着你随手录个五分钟中文，就能让屏幕里的自己用流利的西语或德语给海外同事做汇报。

此外，Synthesia 还预告了今年晚些时候要推出的下一代全身数字人。他们花了 12 个月在全球影棚采集了数千人的数据来训练基础模型，接下来的数字人终于有了自然的手部动作，甚至可以通过骨骼动作序列来精确控制动画。

把知识库直接洗成视频库

除了数字人本身，制作环节也增加了不少工具。

比如很多团队写视频脚本时都会卡壳。Synthesia 升级了 AI 视频助手，不仅支持企业自定义字体、颜色和标志，还能直接把现有的文档、链接甚至整个公司的知识库批量转换成视频库。

他们还推出了一款 AI 屏幕录制工具。平时录屏演示软件操作时，系统能自动把它剪成结构完整的演示视频，并配上数字人在一旁讲解。

配合正在研发的新版互动播放器，以后的视频还能根据观众提供个性化、实时的互动反馈。在合规方面，Synthesia 表示自己即将拿下 ISO/IEC 42001 人工智能管理体系认证。

为什么重要

对于企业内部的培训师、产品经理和销售团队来说，这套工具解决的是最实在的产能问题。以前做一套多语言培训视频，要约摄影棚、找配音演员，成本高且周期长；现在拿文档直接转，更新迭代的成本几乎降到了零。

不过值不值得现在全盘替换，还要看实际场景。自制数字人的表情生动度虽然在提升，但如果拿来做高规格的品牌广告依然容易出戏，它目前最舒服的生态位依然是内部培训和操作演示。

我们认为 Synthesia 最聪明的地方，在于它没有一味去拼炫目的影视级生成，而是把触角扎进了枯燥但刚需的企业办公流。把录屏、知识库导入、多语言克隆和安全合规全串在一起，打的是微软和 Zoom 还没完全吃透的异步沟通场景。

看起来，企业办公软件的竞争正在从单纯拼文字协同，转向这种拿 AI 压缩视听制作门槛的异步视频平台。同类对手如果不赶紧补齐企业级工作流，很可能就沦为一个单纯卖人脸模型的插件。