Synthesia ra mắt avatar kỹ thuật số tương tác – Nhà báo Dominic có “bản sao” để trả lời câu hỏi

Sự kiện chính

Alexandru Voica – người đứng đầu bộ phận quan hệ doanh nghiệp của công ty khởi nghiệp về tạo video bằng AI, Synthesia – đã gửi cho tôi (Dominic‑Madori Davis, phóng viên senior tại TechCrunch) một liên kết đến “đối tác PR mới nhất” của họ: một avatar ảo tương tác được huấn luyện để trả lời các câu hỏi thường gặp về Synthesia. Buổi gặp gỡ diễn ra tại văn phòng mới của Synthesia ở New York vào tháng 9 2026, sau khi công ty này mở rộng từ Vương quốc Anh sang Mỹ và đạt mức định giá 4 tỷ USD cùng doanh thu hàng năm trên 100 triệu USD.

Chi tiết cụ thể

• Quy trình tạo avatar: Được thực hiện trong một “mini studio” ngay trong trụ sở Synthesia, nơi họ chụp nhiều bức ảnh của tôi và thu âm hai phút giọng nói. Sau khi tôi đồng ý, họ đã tạo ra bốn phiên bản: hai avatar cá nhân (đọc kịch bản do người dùng cung cấp) và hai avatar tương tác (có khả năng nghe và trả lời), mỗi loại có phiên bản có kính và không có kính.
• Công nghệ nền tảng: Hệ thống kết hợp mô hình chuyển giọng nói thành văn bản, mô hình ngôn ngữ “agentic”, mô hình chuyển văn bản thành giọng nói và cuối cùng là mô hình video do Synthesia tự phát triển để hoạt họa khuôn mặt avatar. Khách hàng có thể thay thế các mô hình âm thanh bằng các giải pháp từ Cartesia, ElevenLabs, Google hoặc OpenAI, và lựa chọn lưu trữ trên đám mây bất kỳ hoặc trả phí cho Synthesia lưu trữ.
• Sản phẩm liên quan: Synthesia cung cấp ba dòng dịch vụ chính: (1) nền tảng tạo và phân phối video với avatar tĩnh, (2) nền tảng “Sessions” cho phép người dùng tương tác với avatar trong các khảo sát hoặc buổi thực hành vai trò (ví dụ: luyện kịch bản bán hàng), và (3) API cho phép kết hợp các mô hình video‑giọng nói của Synthesia với công nghệ khác để xây dựng avatar tương tác hoặc các sản phẩm AI khác.
• Trải nghiệm thực tế: Khi thử avatar cá nhân, tôi cho nó đọc một đoạn văn về “mùa thu ở New York” – giọng nói khá trung thực, không mang lại âm điệu khàn khi tôi ghi âm mẫu. Bạn bè không chuyên công nghệ cảm thấy vừa thú vị vừa hơi rùng rợn. Avatar tương tác, ngược lại, chỉ trả lời các câu hỏi liên quan tới câu chuyện tôi viết về “sự gian lận của các startup nhận vốn đầu tư mạo hiểm”, bất kể tôi hỏi về nơi tôi làm việc trước TechCrunch hay khu vực tôi sinh sống ở New York. Mẹ tôi gọi nó là “đáng kinh ngạc”, còn bố tôi cố hỏi những câu chỉ mình biết, nhưng avatar vẫn luôn chuyển hướng về câu chuyện gian lận.

Bối cảnh và triển vọng

Synthesia hiện đang cạnh tranh trực tiếp với các công ty chuyên về avatar kỹ thuật số như D‑ID, HeyGen và Colossyan. Việc tạo ra avatar tương tác cho một nhà báo là bước tiến mới, cho thấy công nghệ này không chỉ phục vụ quảng cáo hay đào tạo nội bộ mà còn có thể mở rộng sang lĩnh vực truyền thông. Các nhà đầu tư vẫn còn lo ngại về việc AI thay thế con người trong báo chí – một số cho rằng việc “đọc tin” bằng avatar sẽ không thể thay thế được niềm tin mà độc giả đặt vào nhà báo. Tuy nhiên, với khả năng cho phép nhân viên thực hành kịch bản bán hàng hoặc trả lời câu hỏi khách hàng một cách tự động, các doanh nghiệp lớn đang quan tâm tới việc tích hợp avatar vào quy trình làm việc hằng ngày. Đối với thế hệ Gen Z, việc “sao chép” bản thân thành avatar vẫn còn mang cảm giác khoa học viễn tưởng, nhưng khi công nghệ ngày càng trở nên dễ tiếp cận và có thể “đăng xuất” ngay khi không muốn, rào cản sẽ dần giảm.

Như vậy, Synthesia đã chứng minh khả năng tạo ra một “bản sao kỹ thuật số” không chỉ là hình ảnh tĩnh mà còn có khả năng giao tiếp, mở ra những câu hỏi mới về vai trò của AI trong truyền thông và doanh nghiệp.