Synthesia 2.0 釋出：用手機自拍做數字人，手勢肢體動作今年上線

平時在刷短影片或看流媒體時，大家早習慣了影片主導的生活。可一回到公司上班，內部培訓、交接文件、產品演示還是密密麻麻的一堆文字，或者乾脆是一場又一場漫長的會議。

Synthesia 剛剛釋出了 2.0 版本，打算把整套企業影片製作流程重做一遍。平臺目前擁有超過 240 個 AI 數字人，支援 140 多種語言，目的就是讓企業像寫文件一樣批次生成影片。

手機錄一段，克隆出能說 30 種語言的自己

很多人用數字人最糾結的是定製成本。過去要定製屬於自己的形象，往往得專門進攝影棚錄製。

在 Synthesia 2.0 裡，他們把個人專屬數字人拆成了兩條路。追求大片質感的企業高管，依然可以選擇影棚級高畫質拍攝；但如果你只是普通員工，現在直接開啟電腦攝像頭或掏出手機，在自然背景下錄一段就行。

升級後的自制頭像不僅口型匹配更準、聲音聽起來更自然，還能直接把你的音色克隆成 30 多種語言。這意味著你隨手錄個五分鐘中文，就能讓螢幕裡的自己用流利的西語或德語給海外同事做彙報。

此外，Synthesia 還預告了今年晚些時候要推出的下一代全身數字人。他們花了 12 個月在全球影棚採集了數千人的資料來訓練基礎模型，接下來的數字人終於有了自然的手部動作，甚至可以通過骨骼動作序列來精確控制動畫。

把知識庫直接洗成影片庫

除了數字人本身，製作環節也增加了不少工具。

比如很多團隊寫影片指令碼時都會卡殼。Synthesia 升級了 AI 影片助手，不僅支援企業自定義字型、顏色和標誌，還能直接把現有的文件、連結甚至整個公司的知識庫批次轉換成影片庫。

他們還推出了一款 AI 螢幕錄製工具。平時錄屏演示軟體操作時，系統能自動把它剪成結構完整的演示影片，並配上數字人在一旁講解。

配合正在研發的新版互動播放器，以後的影片還能根據觀眾提供個性化、即時的互動反饋。在合規方面，Synthesia 表示自己即將拿下 ISO/IEC 42001 人工智慧管理體系認證。

為什麼重要

對於企業內部的培訓師、產品經理和銷售團隊來說，這套工具解決的是最實在的產能問題。以前做一套多語言培訓影片，要約攝影棚、找配音演員，成本高且週期長；現在拿文件直接轉，更新迭代的成本幾乎降到了零。

不過值不值得現在全盤替換，還要看實際場景。自制數字人的表情生動度雖然在提升，但如果拿來做高規格的品牌廣告依然容易出戲，它目前最舒服的生態位依然是內部培訓和操作演示。

我們認為 Synthesia 最聰明的地方，在於它沒有一味去拼炫目的影視級生成，而是把觸角扎進了枯燥但剛需的企業辦公流。把錄屏、知識庫匯入、多語言克隆和安全合規全串在一起，打的是微軟和 Zoom 還沒完全吃透的非同步溝通場景。

看起來，企業辦公軟體的競爭正在從單純拼文字協同，轉向這種拿 AI 壓縮視聽製作門檻的非同步影片平臺。同類對手如果不趕緊補齊企業級工作流，很可能就淪為一個單純賣人臉模型的外掛。