במאמר שפורסם ב-TechCrunch מתארת הכתבת הבכירה לענייני הון סיכון וסטארטאפים, דומיניק-מדורי דייוויס (Dominic-Madori Davis), את התנסותה האישית ביצירת אווטאר דיגיטלי אינטראקטיבי בדמותה בסטארטאפ Synthesia. דייוויס מספרת כי המפגש הראשון שלה עם הטכנולוגיה החל כאשר אלכסנדרו וויקה (Alexandru Voica), ראש תחום קשרי התאגיד (head of corporate affairs) ב-Synthesia, שלח לה קישור לאווטאר וירטואלי אינטראקטיבי בדמותו, אשר אומן לענות על שאלות עיתונאיות נפוצות בנוגע לחברה, לפעילותה ולאופן שבו היא עובדת. יום קודם לכן השתתפה דייוויס בפאנל שבו נשאלה האם פניות מיחסי ציבור הכוללות טקסט שנוצר ב-AI מפריעות לה, אך האווטאר של וויקה נראה לה כשלב מתקדם בהרבה של שימוש בבינה מלאכותית ביחסי ציבור.
נתוני חברת Synthesia והמוצרים שהיא מציעה
בחודש ספטמבר הוזמנה דייוויס לחלל המשרדים החדש של Synthesia בניו יורק. החברה, שמקורה במקור בבריטניה, פועלת בתחום האווטארים הדיגיטליים לצד חברות נוספות כמו D-ID, HeyGen ו-Colossyan. לפי הדיווח, Synthesia הגיעה להערכת שווי של 4 מיליארד דולר מוקדם יותר השנה, ובשנה שעברה מסרה כי חצתה רף של 100 מיליון דולר בהכנסות חוזרות שנתיות (ARR).
Synthesia מאפשרת לארגונים לבנות סרטוני הדרכה אינטראקטיביים עם אווטארים של AI, ולאחרונה השיקה מוצר בשם Roleplay Sessions, המאפשר לעובדים לתרגל משימות כמו שיחות מכירה מול אווטאר AI אינטראקטיבי שמגיב ומדרג את ביצועיהם. באופן כללי, Synthesia בונה שלושה סוגי מוצרים עיקריים:
- פלטפורמה ליצירה והפצה של וידאו עם אווטארים קלאסיים, שבה המשתמש מקליד תסריט והאווטאר חוזר עליו.
- פלטפורמה סוכנותית (agentic) בשם Sessions, שבה משתמשים יכולים לקיים אינטראקציה עם האווטארים במסגרת סקרים או משחקי תפקידים.
- פלטפורמת API המאפשרת לאנשים לקחת את מודלי הווידאו והקול של Synthesia ולשלב אותם עם שירותים טכנולוגיים נוספים לצורך בניית אווטארים אינטראקטיביים או מוצרים אחרים.
תהליך יצירת האווטאר הדיגיטלי והמפרט הטכנולוגי
כאשר הוצע לדייוויס באירוע פתיחת המשרד ליצור אווטאר משלה, היא הסכימה מיד. לדבריה, לפני המפגש עם התאום הדיגיטלי היא גילתה אדישות לאווטארים, אך העריכה כי הם יהפכו לחלק בלתי נמנע מחיי היומיום המקוונים, בין היתר לאחר ששמעה על משתמשים באינסטגרם שיוצרים אווטארים בדמותם להפקת תוכן. זו הייתה הפעם הראשונה ש-Synthesia יצרה אווטאר דיגיטלי עבור עיתונאי, או עבור כל אדם מחוץ לוויקה עצמו.
תהליך היצירה כלל כניסה לאולפן צילום זעיר בתוך משרדי החברה, שבו צולמו תמונות רבות שלה והוקלט מדגם קולי באורך שתי דקות. דייוויס נדרשה לתת הסכמה מפורשת ליצירת האווטארים. הצוות יצר עבורה אווטאר אישי (שמקריא תסריטים מוזנים) בגרסאות עם ובלי משקפיים, ושני אווטארים אינטראקטיביים (המסוגלים להקשיב ולהשיב), גם הם עם ובלי משקפיים.
האווטאר האינטראקטיבי של דייוויס נבנה סביב כתבה שפרסמה בעבר בנושא הסיבות לכך שסטארטאפים המגובים בהון סיכון מבצעים יותר הונאות מסטארטאפים שאינם מגובים בהון סיכון, והוא תוכנן לענות אך ורק על שאלות הנוגעות לאותו מאמר וממצאיו.
המפרט הטכנולוגי של האווטאר מבוסס על שילוב של ארבעה רכיבים:
- מודל Voice-to-Text הממיר את דברי המשתמש לטקסט.
- מודל שפה סוכנותי (agentic language model) המפענח את הטקסט ומסוגל לנקוט פעולות על פיו.
- מודל Text-to-Voice הממיר את התשובה שנוצרה לאודיו.
- מודל וידאו שנבנה על ידי Synthesia, המנפיש את האווטאר בזמן שהוא מדבר.
ארכיטקטורת המערכת של Synthesia כוללת מודלי וידאו וקול מתוצרתה, אך החברה מאפשרת ללקוחות עסקיים לבחור חלופות ממעבדות אחרות, כגון Cartesia, ElevenLabs, Google או OpenAI. בנוסף, ארגונים יכולים לבחור לארח את האווטארים שלהם בכל תשתית ענן שיבחרו, או לשלם ל-Synthesia עבור שירותי אחסון.
בדיקות האווטאר ותגובות ראשונות
בניית האווטארים נמשכה יומיים. דייוויס בדקה תחילה את האווטאר האישי באמצעות הזנת תסריט על הגעת הסתיו לניו יורק, ומצאה כי הקול היה מדויק יחסית ולא קלט את הצרידות שליוותה אותה בעת ההקלטה המקורית. חברים שאינם מעולם הטכנולוגיה מצאו את התוצאה מעניינת אך מעוררת אי-נוחות מסוימת (creepy).
לאחר מכן נבדק האווטאר האינטראקטיבי, שהוא דטרמיניסטי (deterministic) — כלומר מגיב רק לנושאים שעליהם אומן מראש. כאשר הוצגו לו שאלות אישיות על עברה המקצועי של דייוויס או על מקום מגוריה, המודל הפנה את השיחה בחזרה למאמר על הונאות ההון סיכון. הוריה ניסו להציג שאלות שרק הם יודעים על אודותיה, אך האווטאר סירב לחרוג מהנושא והפנה שוב למאמר.
שאלות על עתיד העיתונות ואמון הציבור
ההתנסות הובילה את דייוויס להעלות תהיות לגבי עתיד העיתונות. בין השאלות שהועלו: האם הציבור יסכים לצפות במהדורות חדשות המוגשות על ידי אווטארים? משקיע אחד שעמו שוחחה השיב בשלילה מוחלטת, בעוד שאחרים הביעו חוסר ודאות, על רקע התנגדות קיימת לתכני AI ירודים (AI slop) שהופצו ברשתות החברתיות ובפלטפורמות חדשות. דייוויס מציינת כי המרכיב המרכזי בעיתונות הוא אמון, ולפי תפיסתה לא נראה שניתן להעביר מרכיב זה לבינה מלאכותית.
מחוץ לעולם העיתונות, דייוויס מעריכה כי שכפול דיגיטלי עשוי לקרוץ למגזר התאגידי, למשל כדי לאפשר מענה שוטף בעבודה בעת היעדרות או חופשה. עם זאת, היא מביעה רגשות מעורבים ומציינת כי מודלים שאינם דטרמיניסטיים — שבהם צ'אטבוט חופשי לייצר תגובות ללא הגבלה — עלולים לעורר תחושות של פסיכוזת AI. לסיכום העריכה דייוויס כי בני דור ה-Z ככל הנראה יתקשו להתרגל לאווטארים דיגיטליים בשל תחושת המדע הבדיוני הנלווית אליהם, אך ציינה כי היא מוצאת אותם פחות צורמים מרובוטים דמויי אדם (humanoids), שכן מול אווטאר דיגיטלי ניתן תמיד פשוט להתנתק מהמסך.