Synthesia 推出 Expressive Avatars：讓 AI 數字人帶上喜怒哀樂

你看過那些企業培訓影片裡的 AI 數字人嗎？身體僵硬，嘴唇機械地一張一合，眼神空洞得像在看虛空。只要看上三秒，大腦就會拉響警報告訴你：這是假的。

專做企業影片生成的獨角獸 Synthesia 剛剛向這個痛點開了一槍。這家公司在 4 月 25 日推出了名為 Expressive Avatars 的新一代數字人，號稱是全球首款完全由 AI 生成的虛擬形象，不僅嘴形對得更準，還能根據文本內容做出笑意、悲傷或激動的微表情。

告別剪刀膠水，讓 AI 現場「演」出來

過去的虛擬主播之所以假，問題出在底層技術上。

以往的做法更像是數碼剪貼畫：讓真人演員在綠幕前錄下一大堆表情和口型碎片，系統讀到文字後，再把對應的畫面迅速拼接起來。這種拼湊出來的面部動作，自然免不了卡頓和呆滯。

Synthesia 這次換了思路。新版數字人是基於預訓練大模型即時生成的，AI 直接學習人類微表情的多模態分佈規律。

執行長 Victor Riparbelli 坦言，現在的效果還沒達到百分之百完美，但人類臉部肌肉極難用規則去描述的細微運動，深度學習網路已經能摸索出模式並重現出來。他預計到今年年底，逼真程度會達到讓人驚歎的地步。

至於下一座難翻的大山，則是整個生成式 AI 領域的通病：手部動作。Riparbelli 直言手部實在太難做了。

避開大眾輿論場，死磕企業內部場景

和 OpenAI 既做大眾工具又賣 API 的打法不同，Synthesia 從一開始就緊盯著企業級市場，專門用來做員工培訓、客戶引導和營銷影片。

在釋出這次更新之前，已經有 20 萬名使用者利用該平臺的 225 箇舊版數字人，用 130 種語言製作了超過 1800 萬個影片。包括 Zoom、BBC 和杜邦在內的大企業都在為這項服務掏錢。

這種剋制的商業定位也算是一種自我保護。Synthesia 的技術此前曾被濫用，比如被用來製作委內瑞拉的政治宣傳影片，或是在社交網路上散播虛假新聞。

為了築起防線，Synthesia 上個月更新了使用政策，除了擴充安全團隊和加強對惡意賬號的早期排查，還在測試 C2PA 等內容憑證技術，試圖給 AI 生成的畫面打上防偽防篡改的烙印。

公司在 2023 年 6 月拿到 9000 萬美元融資時，估值就已經達到 10 億美元。Riparbelli 表示目前沒有新的融資計劃，但隨著影片即時生成對算力消耗的攀升，跑大模型的賬單顯然不會便宜。

為什麼重要

我們認為，Synthesia 這一步走得很聰明，它避開了 Sora 這類通才型影片模型的正面戰線，專注在企業最願意掏錢的細分領域把體驗做到極致。

對於需要經常製作多語言員工培訓、跨國產品說明的企業來說， Expressive Avatars 能大幅降低真人出鏡和反覆重拍的高昂成本。稍微帶點人味的講解員，確實能顯著提高員工把影片看完的機率。

不過，值不值得立刻把所有影片庫推倒重來，現在看來還有待觀察。雖然面部表情有了情緒，但肢體和手部動作依然存在侷限，如果只是一張會笑的臉懸在僵硬的軀幹上，看久了依然會落入恐怖谷。

更深層的隱患在於安全合規。AI 數字人越像真人，偽造高管指示進行商業詐騙或混淆視聽的風險就越高。Synthesia 接入 C2PA 固然值得肯定，但只要生成的內容能被錄屏或翻拍，企業在採購這類工具時，依然需要把內部稽核流程卡得更嚴。