ผมสร้างอวาตาร์ดิจิทัลโต้ตอบได้ของตัวเองได้ - และคุณก็พูดคุยกับมันได้เช่นกัน

เมื่อบริษัทสตาร์ทอัพสร้างวิดีโอด้วย AI อย่าง Synthesia เสนออวาตาร์ดิจิทัลให้กับนักข่าวคนหนึ่ง ผลลัพธ์ที่ได้ไม่ใช่แค่ตัวละครที่อ่านสคริปต์ แต่เป็นอวาตาร์แบบโต้ตอบ - ฝึกให้ตอบคำถามเฉพาะเรื่องจากบทความชิ้นหนึ่งได้ทันที เหตุการณ์นี้สะท้อนว่าเทคโนโลยีอวาตาร์กำลังเข้าใกล้การใช้งานจริงในสื่อและธุรกิจได้เร็วขึ้น ซึ่งก็มีทั้งโอกาสและคำถามด้านความเชื่อถือ

กระบวนการสร้างและสแต็กเทคโนโลยี

การทำอวาตาร์เริ่มจากการเซสชันถ่ายภาพและบันทึกเสียงสั้นๆ ที่ออฟฟิศของ Synthesia ทีมใช้ภาพจำนวนหนึ่งและเสียงบันทึกสองนาทีเป็นข้อมูลฝึก อวาตาร์โต้ตอบที่นักข่าวได้รับถูกสร้างจากการผสมผสานของโมเดลหลายประเภท ได้แก่ โมเดลแปลงเสียงเป็นข้อความ (voice-to-text) โมเดลภาษาเชิงปฏิบัติการหรือ agentic language model โมเดลแปลงข้อความเป็นเสียง (text-to-voice) และโมเดลวิดีโอที่เอฟเฟกต์การเคลื่อนไหวของปากและสีหน้าเพื่อให้ดูเป็นธรรมชาติ Synthesia ระบุด้วยว่าลูกค้าสามารถเลือกใช้โมเดลเสียงหรือวิดีโออื่นๆ จากห้องแล็บอย่าง Cartesia, ElevenLabs, Google หรือ OpenAI ได้ และยังเลือกโฮสต์บนคลาวด์เองหรือให้ Synthesia โฮสต์

ผลิตภัณฑ์ของ Synthesia และขอบเขตการใช้งาน

Synthesia แยกผลิตภัณฑ์เป็นสามกลุ่มหลัก - แพลตฟอร์มสร้างและแจกจ่ายวิดีโอด้วยอวาตาร์แบบคลาสสิก ที่ผู้ใช้พิมพ์สคริปต์แล้วอวาตาร์อ่านให้ฟัง; แพลตฟอร์ม agentic ชื่อ Roleplay Sessions ที่ออกแบบให้โต้ตอบ เช่น ฝึกขายหรือสำรวจคำตอบของพนักงาน; และ API สำหรับนักพัฒนาที่ต้องการรวมโมเดลวิดีโอ-เสียงเข้ากับบริการอื่นเพื่อสร้างอวาตาร์แบบโต้ตอบหรือแอพใหม่ ทางด้านธุรกิจ Synthesia เป็นหนึ่งในสตาร์ทอัพร้อนแรง ถูกประเมินมูลค่าไว้ที่ $4 billion ต้นปีนี้ และระบุว่าปีที่แล้วมีรายได้ประจำปีหรือ ARR สูงกว่า $100 million

ประสบการณ์จริงและประเด็นเชิงจริยธรรม

นักข่าวได้ทดลองทั้งอวาตาร์ส่วนตัวซึ่งอ่านสคริปต์ทั่วไปและอวาตาร์เชิงโต้ตอบที่ถูกฝึกด้วยบทความเรื่องการทุจริตของสตาร์ทอัพที่ได้รับทุน VC อวาตาร์แบบ deterministic จะตอบเฉพาะสิ่งที่ฝึกไว้เท่านั้น ทำให้ผู้ทดสอบรู้สึกทั้งตื่นเต้นและแปลกประหลาด เพื่อนบางคนบอกว่าดูน่าสนใจแต่ชวนขนลุก ขณะที่ผู้ใช้งานอื่นตั้งคำถามว่าเทคโนโลยีนี้จะส่งผลต่อความน่าเชื่อถือของข่าวสารอย่างไร - โดยเฉพาะเมื่อตัวแทนข่าวเป็นอวาตาร์ไม่ใช่มนุษย์

จุดที่น่ากังวลคือความต่างระหว่างอวาตาร์ deterministic ที่มีขอบเขตชัดเจนกับอวาตาร์ที่ใช้แชทบอทแบบไม่จำกัดซึ่งอาจสร้างเนื้อหาได้เอง เรื่องความไว้วางใจยังเป็นหัวใจของงานข่าว และการมอบความน่าเชื่อถือให้ AI ยังคงเป็นเรื่องถกเถียง

สำหรับภาคธุรกิจ แนวคิดการมี digital twin อาจช่วยลดงานเมื่อคนหยุดพักหรือเป็นช่องทางบริการลูกค้าตลอด 24 ชั่วโมง แต่ต้องวางกรอบเรื่องสิทธิข้อมูล การควบคุมการตอบกลับ และมาตรฐานการใช้งานให้ชัดเจน

สรุปแล้ว เทคโนโลยีอวาตาร์โต้ตอบกำลังมาถึงจุดที่ใช้งานได้จริงและหลากหลาย Synthesia เป็นตัวอย่างหนึ่งที่ผสมผสานโมเดลเสียง ภาษา และวิดีโอเข้าไว้ด้วยกัน ผลกระทบต่อสื่อและองค์กรยังต้องติดตามต่อ ทั้งในแง่โอกาสด้านประสิทธิภาพและความเสี่ยงด้านความเชื่อถือ สำหรับคนไอทีไทย เรื่องนี้เชื่อมโยงกับทักษะการพัฒนา AI, การออกแบบ UX สำหรับตัวแทนดิจิทัล และการผสานบริการด้วย API ซึ่งเป็นทักษะที่ควรจับตามองถ้าต้องการนำอวาตาร์ไปใช้ในองค์กรหรือผลิตภัณฑ์

ที่มา: TechCrunch - เรียบเรียงและสรุปเป็นภาษาไทยโดยทีมงาน IT Genius