Synthesia是一款基于人工智能的视频生成平台，它通过简单的文本输入，让用户可以轻松创建出专业的视频。这个平台提供了140多种多样化的AI角色供用户选择，这些角色被称为AI Avatar。同时，它还支持120多种语言和口音的文本转语音功能，这一功能被称为AI Voices。

除此之外，Synthesia还提供了60多种预设计的视频模板，以及允许用户创建自己的AI角色的功能，这被称为Custom AI Avatars。这些丰富的功能使得Synthesia在多个应用场景中都有出色的表现，包括学习和发展、销售使能、信息技术、客户服务以及营销等领域。

Synthesia的优势在于，用户无需使用摄像机、麦克风和演员，只需通过浏览器即可创建专业的视频。此外，它还提供了一种快速创建多种语言视频的能力，使得本地化内容变得更加简单和快速。

Synthesia这家公司上一次引起广泛关注，还是在元宇宙热潮的时期。在那个时候，虚拟人作为虚拟世界的重要组成部分，成为了大家关注的焦点。然而，最近，Synthesia因为达到了独角兽估值的巨额融资，再次引发了大众的关注，可以说是迎来了它的第二春。各种赞美和膜拜的文章纷纷出现，人们对于Synthesia的期待和好奇心也在不断升温。

最近，重新打开了我尘封已久的Synthesia账号，满满的回忆扑面而来。我发现，我在2021年7月就开始了每月30美元的订阅，这个订阅持续了整整6个月。那时候的我，对Synthesia充满了好奇和期待，而今天，我想要分享的，是我的使用体验，以及Synthesia到底能做什么，不能做什么。

首先，我们需要理解Synthesia的方案的优点和缺点。虚拟人大致可以分为三类：使用3D形象生成、使用视频生成，以及直接使用一张图片生成（如DID）。其中，3D生成的逼真形象也被称为超写实，因为它突破了所谓的"恐怖谷"，使得模型制作和驱动的成本非常高。

Synthesia选择了使用视频的方案。简单来说，这个方案是通过录制大量模特的视频，然后让AI学习，最后生成模特讲任何内容的视频。这个方案的最大优点就是真实性，因为它并不涉及3D模型，输入的就是"超写实"的视频数据。

然而，这种方式也有其缺点。首先，视频的模型本身并不具备3D模型的特性，因此无法在3D空间中进行交互。其次，视频生成需要一段时间，如果追求高质量的输出，暂时无法实现实时对话。这些都是在使用Synthesia时需要考虑的因素。

（教英语的张小麦，2021年）

因此，我首次尝试使用Synthesia制作一个虚拟人，目标是在抖音上建立一个大号。我给这个虚拟人取名为张小麦，最初的想法是让张小麦教英语。然而，我发布了几条视频后发现并没有吸引到用户，这也是可以理解的。毕竟，抖音上有很多有特色的英语老师，而我的张小麦只是会说英语，没有什么竞争优势。

（个人介绍的张小麦，2021年）

后来，我意识到，既然无法与真人竞争，那就直接告诉大家我的虚拟人是AI生成的，利用人们的好奇心来吸引用户。于是，我录制了一条张小麦自我介绍的视频，这反而带来了一些流量，甚至还有投资机构找到我。

（借鉴李雪琴，向华智冰喊话，2021年）

然而，这个流量并不持久。尽管我尝试让张小麦蹭热点，但流量还是难以突破。最终，我选择放弃了这个尝试。这个经历让我更深刻地理解了Synthesia的优点和局限性。

因此，视频方案的数字人实际上更适合在私域领域发挥作用，而在公共领域的竞争力相对较弱。这是因为，虚拟人的好坏通常是根据其是否像真人来评判的。在公共领域的竞争场，这是一个竞争激烈的地方，无数"真人"在此PK，最有趣的灵魂才能胜出。在这样的环境下，数字人实际上很难立足。这也解释了为什么，在排除视频的新奇性或直播的补贴后，目前的数字人在视频平台上的地位实际上还是非常脆弱的。

相反，在私域领域里，数字人的体验只需要和原有体验相比。在许多只有文本或音频的场景中，通过添加一个数字人，的确能带来更好的体验。这里的"更好"并不是指比所有人好，而是比自己好。这也解释了为什么，如果仔细观察，你会发现Synthesia的客户场景大多是这一类。

尽管Synthesia的融资新闻引起了广泛关注，但我们必须理解，它并不是万能的，也并不能让你轻易地躺着赚钱。这反映了目前普遍存在的对AI的短期幻想。当然，从长期来看，我们对AI的发展仍然充满期待，特别是AI的组合创新。

TechVerse的AI尝试：

许多朋友可能已经注意到，TechVerse现在有了自己的数字人-AI主理人艾科。

那么，为什么在两年后，我又重新启动了虚拟人的项目呢？这是因为这一次我使用了"talking head"的方案，也就是通过上传一张图片来生成虚拟人。得益于midjourney的技术，现在我可以生成许多风格各异的头像照片。在选择艾科的形象时，我生成了很多照片并让粉丝朋友们进行投票。目前使用的这张艾科的头像，如果你细心观察，你会发现它的头发是紫色和黄色，这正是TechVerse logo的颜色。另外，艾科的使用场景也是典型的私域，通过视频号为大家讲解虚拟世界相关的信息。

实际上，这是两项AI技术——text to image和talking head的共同应用，实现了很好的效果。同样的，比如在AI视频领域，Runway擅长生成背景视频，如果我们能够将Runway、虚拟人和AI音乐结合起来，是否能创造出一些有趣的内容，这是值得期待的。

总的来说，我们对AI的评估往往是短期高估，长期低估。跨越这个波动的最好方式，就是亲自使用它，了解它的局限和能力。只有这样，我们才能真正理解AI的价值，并有效地利用它。

180美元买来的synthesia使用心得：AI热潮下的冷思考！