Esta es la historia de un gemelo digital que sabe exactamente una cosa. Una escritora llamada Dom, que escribe para TechCrunch, se hizo un avatar de IA de sí misma con Synthesia — y el avatar solo puede hablar de una historia. Dom entrenó la versión interactiva en su artículo sobre por qué las startups respaldadas por capital de riesgo cometen más fraude que las startups que no lo están. Pregúntale cualquier otra cosa y redirige a esa historia.
Cómo Dom Obtuvo Su Avatar
Dom estaba en la nueva oficina de Synthesia en Nueva York cuando la compañía le ofreció un avatar. Aceptó sin dudarlo. El proceso involucró un mini estudio cinematográfico dentro de la oficina, donde Synthesia tomó fotos de ella y grabó dos minutos de su voz.
Tuvo que dar su consentimiento para la creación de los avatares. El resultado fue el gemelo digital de Dom, que viene en cuatro versiones: un avatar personal que simplemente lee lo que se le da en un guion, y dos interactivos que pueden hablar y escuchar, todos con y sin gafas.
La Tecnología Detrás del Gemelo
El avatar está construido a partir de varios modelos que trabajan juntos. Hay un modelo de voz a texto que convierte el habla en texto, un modelo de lenguaje agente que entiende el texto y toma medidas, un modelo de texto a voz que convierte una respuesta en audio y un modelo de video que anima al avatar mientras habla.
Synthesia construyó los modelos de video y voz por sí mismo, pero la compañía permite a los clientes elegir alternativas de otros laboratorios como Cartesia, ElevenLabs, Google o OpenAI. Las empresas pueden alojar sus avatares en cualquier nube que deseen, o pagar a Synthesia para que los aloje.
Lo Que el Avatar Realmente Dice
Dom probó primero el avatar personal, escribiendo un guion genérico sobre cómo el otoño ha llegado a Nueva York, su época favorita del año. La voz coincidía bien con la suya y no detectó la ronquera que tenía cuando grabó la muestra de audio.
Luego probó el avatar interactivo, que es determinista — solo responde a lo que fue entrenado. Dom le preguntó dónde había estado antes de TechCrunch y en qué parte de Nueva York vivía. Cada vez redirigía a la historia del fraude de riesgo.
Sus amigas encontraron la voz interesante pero no mucho como la suya propia, y el parecido no era tan bueno como el avatar personal. Su madre lo llamó «asombroso», lo cual es un elogio bastante alto viniendo de ella. Cuando sus padres intentaron preguntarle cosas que solo ellos sabrían, el modelo seguía desviando a la historia.
«No recuerdo haber dado a luz a dos de ustedes», bromeó su madre después de probar el modelo.
El Futuro del Periodismo
Dom se pregunta si la gente estaría de acuerdo con encender las noticias y verlas presentadas por un avatar. Un inversor le dijo que no de inmediato. Otros no estaban tan seguros.
¿Podrían los avatares aumentar o incluso reemplazar a los periodistas? ¿Querrían los CEOs hablar con un avatar de IA de un periodista en lugar de uno humano?
A Dom le gusta conectar con la gente, escribir historias e investigar nuevos temas. Pero la parte más importante del periodismo es la confianza, y eso no parece que pueda ser alguna vez subcontratado a una IA.
Fuera del Periodismo, Clonarse a Uno Mismo Está Bien
Dom está segura de que la idea de clonarse a uno mismo podría ser atractiva fuera del periodismo. No más ponerse al día con el trabajo después de un feriado o unas vacaciones: una versión de usted siempre podría estar presente, respondiendo preguntas.
Las limitaciones del avatar son el punto. No es un conversador general. Es una herramienta especializada, entrenada en una historia, que responde preguntas sobre esa historia y nada más.
Los Números Detrás de Synthesia
Synthesia es una exitosa startup de avatares digitales junto a D-ID, HeyGen y Colossyan. Alcanzó una valoración de $4 mil millones a principios de este año y dijo el año pasado que había superado los $100 millones en ARR.
La compañía ofrece tres productos principales:
- Una plataforma de creación y distribución de videos con avatares clásicos, donde alguien escribe un guion y el avatar lo repite.
- Una plataforma agente llamada Sessions donde las personas pueden interactuar con avatares en encuestas o juegos de roles.
- Una plataforma de API donde las personas pueden tomar los modelos de video y voz de Synthesia y combinarlos con otros servicios tecnológicos para construir avatares interactivos u otros tipos de productos.
What We Make of It
El avatar es una hazaña técnica, pero también es un juguete muy específico. Está entrenado en una sola historia y en una sola historia únicamente. No puede improvisar, no puede ramificar y no puede responder preguntas sobre nada más: ni la familia de Dom, ni su carrera, ni el clima.
Esa limitación es la broma. También es la advertencia. Una IA que no puede desviarse de su guion es un espejo, no un compañero.
El avatar es una curiosidad. También es un recordatorio de que la IA todavía necesita a los humanos para que le digan qué hacer —y que son los humanos quienes deciden qué cuenta como periodismo, qué cuenta como confianza y qué cuenta como una conversación que vale la pena tener.
Caja de Datos Clave
- Empresa: Synthesia
- Valoración: $4 mil millones
- ARR: Cruzó los $100 millones el año pasado
- Competidores: D-ID, HeyGen, Colossyan
- Modelos utilizados: Voz a texto, lenguaje agente, texto a voz, video (propio de Synthesia)
- Otros laboratorios: Cartesia, ElevenLabs, Google, OpenAI
- Datos de entrenamiento: Una historia de TechCrunch sobre fraude en startups respaldadas por capital de riesgo
El avatar es un truco. También es un vistazo a un futuro donde las empresas pueden clonar a sus voceros — y donde los clones están limitados a lo que se les indicó decir. Esa es la historia que Dom está contando, y es una historia que vale la pena contar, incluso si el avatar no puede contarla por ella.
Material fuente: “Creé un avatar digital interactivo de mí mismo — y puede hablar con él”, TechCrunch.
Recibe El Cuaderno.
Las mejores historias del día y cada veredicto nuevo, en español claro, en tu correo a las siete. Un correo al día, nada más.