Phóng viên của trang TechCrunch vừa có cơ hội trải nghiệm trực tiếp việc tạo bản sao kỹ thuật số (digital twin) tương tác cá nhân tại văn phòng mới của Synthesia ở New York. Synthesia là một trong những startup hàng đầu trong lĩnh vực avatar kỹ thuật số, hiện được định giá tới 4 tỷ USD và đạt doanh thu thường niên vượt mốc 100 triệu USD.
Quy trình tạo avatar diễn ra tương đối đơn giản nhưng đem lại hiệu quả bất ngờ. Phóng viên chỉ cần bước vào phòng thu nhỏ, chụp nhiều góc ảnh và thực hiện đoạn ghi âm giọng nói kéo dài 2 phút. Hệ thống sau đó xử lý dữ liệu và tạo ra hai phiên bản avatar: phiên bản tĩnh chỉ đọc kịch bản được giao và phiên bản tương tác thông minh có khả năng lắng nghe, trả lời câu hỏi trực tiếp.
Về mặt kỹ thuật, avatar tương tác này được vận hành bởi sự phối hợp của nhiều mô hình AI:
- Voice-to-text: Chuyển đổi lời nói của người dùng thành văn bản.
- Agentic LLM: Phân tích ngữ cảnh văn bản và đưa ra phản hồi phù hợp.
- Text-to-voice: Chuyển câu trả lời thành âm thanh nói tự nhiên.
- Video model: Độc quyền từ Synthesia để diễn hoạt hình ảnh đại diện chuyển động theo lời nói.
Doanh nghiệp cũng có thể chọn tích hợp các mô hình giọng nói và ngôn ngữ từ ElevenLabs, Cartesia, OpenAI hoặc Google.
Công nghệ avatar tương tác AI hứa hẹn tạo ra bước ngoặt lớn cho các doanh nghiệp Việt Nam trong mảng đào tạo nhân sự tự động, chăm sóc khách hàng và sáng tạo nội dung truyền thông đa nền tảng trong tương lai gần.
Nguồn: TechCrunch — Biên dịch & tổng hợp: danhbaai.com