El presidente de relaciones corporativas de Synthesia, Alexandru Voica, utiliza un avatar interactivo creado con su propia imagen y voz para responder a las preguntas de la prensa sobre la empresa. La compañía, con sede en el Reino Unido, opera en el ámbito de los avatares digitales junto con empresas emergentes como D-ID, HeyGen y Colossyan. Se indicó que Synthesia alcanzó una valoración de 4 billion de dólares a principios de este año y que el año pasado anunció haber superado los 100 million de dólares en ARR.
La empresa permite a los negocios preparar vídeos de formación con avatares de inteligencia artificial. Con su nuevo producto Roleplay Sessions, los empleados pueden ensayar con avatares interactivos escenarios como presentaciones de ventas; los avatares pueden evaluar y puntuar sus respuestas.
El redactor de TechCrunch Dominic-Madori Davis creó su propio avatar digital en la oficina de Synthesia en Nueva York. Para ello, le tomaron numerosas fotografías y grabaron dos minutos de su voz. La empresa preparó dos avatares personales, uno con gafas y otro sin ellas, además de dos avatares interactivos. Mientras que el avatar personal lee el texto que se le proporciona, el avatar interactivo puede escuchar y responder. El avatar interactivo de Davis fue entrenado con su artículo sobre por qué las startups respaldadas por empresas de capital riesgo cometen más fraudes que otras startups y fue diseñado para responder únicamente a preguntas sobre este tema.
El funcionamiento tecnológico del avatar consta de cuatro etapas:
- El modelo de voz a texto convierte en texto lo que dice el usuario.
- El modelo de lenguaje basado en agentes interpreta el texto y actúa en consecuencia.
- El modelo de texto a voz convierte la respuesta en voz.
- El modelo de vídeo desarrollado por Synthesia anima al avatar mientras habla.
Los productos de Synthesia se dividen en tres grupos principales:
- Plataforma de creación y distribución de vídeos en los que el avatar lee el texto escrito por el usuario.
- Plataforma basada en agentes llamada Sessions, que ofrece interacciones como encuestas y juegos de rol.
- Plataforma API que permite integrar los modelos de vídeo y audio de la empresa con otros servicios.
Además de sus propios modelos, la empresa también permite utilizar modelos de Cartesia, ElevenLabs, Google y OpenAI; las empresas pueden alojar los avatares en la nube que prefieran o utilizar el servicio de alojamiento de Synthesia.
La preparación de los avatares tardó varios días. Davis consideró bastante lograda la voz de su avatar personal, mientras que sus amigos encontraron algo inquietantes el aspecto y la voz del avatar interactivo. El avatar solo respondió a preguntas relacionadas con la historia de fraude de capital riesgo con la que había sido entrenado; también dejó sin respuesta las preguntas personales de la familia de Davis.
Davis señaló que esta experiencia planteó la cuestión de si la confianza en el periodismo puede delegarse en la inteligencia artificial. Explicó que podría resultar atractivo que las copias digitales respondieran a preguntas en nombre del usuario durante sus vacaciones, pero afirmó que tenía sentimientos complejos respecto a sus propios avatares.
Por qué es importante
Este avance muestra que las empresas podrían utilizar, en sus procesos de formación y ensayo, sistemas que interactúan con los empleados en lugar de limitarse a videos que estos solo ven. De este modo, en aplicaciones como las presentaciones de ventas, las funciones de evaluación y puntuación podrían reducir la necesidad de que el formador participe en cada etapa del proceso; sin embargo, el hecho de que el avatar solo pueda responder dentro del marco temático predeterminado revela que sus ámbitos de uso siguen siendo limitados. El uso de la tecnología en el periodismo, por su parte, plantea la cuestión del papel que desempeña la copia digital de una persona en la transmisión de información y del grado en que la audiencia confiará en ella. La posibilidad de alojar avatares personales en distintas nubes y de ofrecer diversas opciones de modelos crea un margen de elección técnica para las empresas, pero deja abierta la cuestión de cómo se gestionarán los datos y la autoridad de representación.