Dies ist eine Geschichte über einen digitalen Zwilling, der genau eine Sache weiß. Eine Autorin namens Dom, die für TechCrunch schreibt, ließ sich von Synthesia ein KI-Avatar von sich selbst erstellen – und der Avatar kann nur über eine Geschichte sprechen. Dom trainierte die interaktive Version auf ihren Artikel darüber, warum von Risikokapital finanzierte Start-ups mehr Betrug begehen als nicht durch Risikokapital finanzierte Start-ups. Stellen Sie ihm eine andere Frage, und er leitet zu dieser Geschichte weiter.
Wie Dom ihren Avatar bekam
Dom war in Synthesias neuem Büro in New York, als das Unternehmen ihr einen Avatar anbot. Sie willigte ohne Zögern zu. Der Prozess umfasste ein Mini-Filmstudio innerhalb des Büros, wo Synthesia Fotos von ihr machte und zwei Minuten ihrer Stimme aufzeichnete.
Sie musste zustimmen, dass Avatare erstellt werden dürfen. Das Ergebnis war Doms digitaler Zwilling, der in vier Versionen vorliegt: ein persönlicher Avatar, der einfach alles liest, was ihm vorgegeben wird, und zwei interaktive Avatare, die zurücksprechen und zuhören können, alle mit und ohne Brille.
Die Technologie hinter dem Zwilling
Der Avatar wird aus mehreren Modellen aufgebaut, die zusammenarbeiten. Es gibt ein Sprach-zu-Text-Modell, das Sprache in Text umwandelt, ein agentenbasiertes Sprachmodell, das den Text versteht und Maßnahmen ergreift, ein Text-zu-Sprache-Modell, das eine Antwort in Audio umwandelt, und ein Video-Modell, das den Avatar animiert, während er spricht.
Synthesia entwickelte die Video- und Sprachmodelle selbst, lässt Kunden aber zu, Alternativen von anderen Laboren wie Cartesia, ElevenLabs, Google oder OpenAI zu wählen. Unternehmen können ihre Avatare auf jeder Cloud hosten, oder Synthesia dafür bezahlen, sie zu hosten.
Was der Avatar tatsächlich sagt
Dom testete den persönlichen Avatar zuerst, indem sie ein allgemeines Skript tippten, das beschrieb, wie der Herbst in New York angekommen ist, ihre liebste Jahreszeit. Die Stimme passte gut zu ihrer, und sie nahm die Rauheit nicht wahr, die sie beim Aufnehmen der Audio-Probe hatte.
Dann versuchte sie es mit dem interaktiven Avatar, der deterministisch ist – er beantwortet nur Fragen, auf die er trainiert wurde. Dom fragte ihn, wo sie vor TechCrunch war und in welchem Teil von New York sie lebte. Jedes Mal leitete er zu der Geschichte über den Venture-Betrug weiter.
Ihre Freundinnen fanden die Stimme interessant, aber nicht allzu sehr wie ihre eigene, und die Ähnlichkeit war nicht so gut wie beim persönlichen Avatar. Ihre Mutter nannte es „amazing“, was von ihr ziemlich viel Lob ist. Als ihre Eltern versuchten, es mit Fragen zu befragen, die nur sie kannten, leitete das Modell immer wieder auf die Geschichte um.
„Ich erinnere mich nicht daran, zwei von euch geboren zu haben“, scherzte ihre Mutter nach dem Testen des Modells.
Die Zukunft des Journalismus
Dom fragt sich, ob die Leute damit einverstanden wären, den Nachrichtenkanal einzuschalten und zu sehen, wie sie von einem Avatar präsentiert werden. Ein Investor sagte sofort nein. Andere waren nicht so sicher.
Könnten Avatare Journalisten ergänzen oder sogar ersetzen? Wären CEOs daran interessiert, mit einem KI-Avatar eines Journalisten zu sprechen, anstatt mit einem menschlichen?
Dom mag es, mit Menschen in Kontakt zu treten, Geschichten zu schreiben und neue Themen zu recherchieren. Aber der wichtigste Teil des Journalismus ist Vertrauen – und das scheint man nicht an eine KI auslagern zu können.
Außerhalb des Journalismus, Selbstreplikation Ist Gut
Dom ist zuversichtlich, dass die Idee der Selbstreplikation außerhalb des Journalismus Anklang finden könnte. Es gäbe keine weitere Aufholarbeit nach einem Urlaub oder einer Ferienzeit – eine Version von Ihnen wäre immer präsent und würde Fragen beantworten.
Die Grenzen des Avatars sind der springende Punkt. Es ist kein allgemeiner Gesprächspartner. Es ist ein spezialisiertes Werkzeug, das auf einer Geschichte trainiert wurde und nur Fragen zu dieser Geschichte beantwortet.
Die Zahlen hinter Synthesia
Synthesia ist ein aufstrebendes digitales Avatar-Startup neben D-ID, HeyGen und Colossyan. Es erreichte eine Bewertung von 4 Milliarden Dollar Anfang dieses Jahres und teilte mit, dass es im vergangenen Jahr eine ARR von über 100 Millionen Dollar überschritten hat.
Das Unternehmen bietet drei Hauptprodukte an:
- Eine Plattform für die Erstellung und Verteilung von Videos mit klassischen Avataren, bei der jemand einen Text eingibt und der Avatar ihn wiederholt.
- Eine Agentenplattform namens Sessions, auf der Personen mit Avataren in Umfragen interagieren oder Rollenspiele spielen können.
- Eine API-Plattform, auf der Personen Synthesia-Video- und Sprachmodelle mit anderen technischen Dienstleistungen kombinieren können, um interaktive Avatare oder andere Produkttypen zu erstellen.
What We Make of It
Der Avatar ist ein technisches Meisterwerk, aber auch ein sehr spezifisches Spielzeug. Er ist auf eine Geschichte und nur eine Geschichte trainiert. Er kann nicht improvisieren, er kann nicht verzweigen und er kann keine Fragen zu irgendetwas anderem beantworten – nicht zu Doms Familie, nicht zu ihrer Karriere, nicht zum Wetter.
Diese Beschränkung ist der Witz. Es ist auch die Warnung. Eine KI, die nicht von ihrem Skript abweichen kann, ist ein Spiegel, kein Partner.
Der Avatar ist eine Neugier. Er ist auch eine Erinnerung daran, dass KI immer noch Menschen benötigt, um ihr zu sagen, was sie tun soll – und dass die Menschen entscheiden, was als Journalismus gilt, was als Vertrauen gilt und was als eine Konversation gilt, die geführt werden sollte.
Kasten mit den wichtigsten Fakten
- Unternehmen: Synthesia
- Bewertung: 4 Milliarden Dollar
- ARR: Letztes Jahr die 100-Millionen-Dollar-Marke überschritten
- Wettbewerber: D-ID, HeyGen, Colossyan
- Verwendete Modelle: Spracherkennung, agentenbasierte Sprachmodelle, Text-to-Speech, Video (Synthesias eigenes)
- Weitere Labore: Cartesia, ElevenLabs, Google, OpenAI
- Trainingsdaten: Eine TechCrunch-Geschichte über Betrug durch von Venture-Capital-Gebern finanzierte Start-ups
Das Avatar ist ein Gimmick. Es ist aber auch ein Einblick in eine Zukunft, in der Unternehmen ihre Sprecher klonen können – und in der die Klone auf das beschränkt sind, was ihnen gesagt wurde. Das ist die Geschichte, die Dom erzählt, und es ist eine Geschichte, die es wert ist, erzählt zu werden, selbst wenn das Avatar sie nicht für sie erzählen kann.
Ausgangsmaterial: „Ich habe ein interaktives digitales Avatar von mir erstellt – und man kann mit ihm sprechen“, TechCrunch.
Das Notizbuch abonnieren.
Die besten Geschichten des Tages und jedes neue Urteil, in klarem Deutsch, um sieben im Postfach. Eine Mail am Tag, nicht mehr.