Criei um avatar digital interativo de mim mesmo — e você pode falar com ele
Quando Alexandru Voica, chefe de assuntos corporativos da Synthesia, startup de geração de vídeos, me enviou um link neste verão sobre a mais nova adição à equipe de relações públicas deles, eu fiquei surpresa. Era um avatar virtual interativo dele, treinado para responder a perguntas frequentes da imprensa sobre a Synthesia, como o que ela faz e como funciona. No dia anterior, eu estava em um painel onde profissionais de relações públicas me perguntavam se eu me importava com pitches que usavam texto gerado por IA. Mas o avatar de Alexandru estava além disso — aquilo me parecia o chefe final do uso de IA em relações públicas.
Em setembro, a Synthesia me convidou para seu novo escritório em Nova York. Originalmente sediada no Reino Unido, a Synthesia é uma startup de destaque em avatares digitais, ao lado de outras como D-ID, HeyGen e Colossyan. Ela atingiu uma avaliação de US$ 4 bilhões no início deste ano e disse no ano passado que havia ultrapassado US$ 100 milhões em ARR (receita recorrente anual).
A Synthesia permite que empresas criem vídeos de treinamento interativos com avatares de IA e recentemente lançou um produto chamado Roleplay Sessions, que permite aos funcionários praticarem, por exemplo, pitches de vendas com um avatar de IA interativo que responde e pontua suas respostas.
Quando fui à inauguração do novo escritório e me perguntaram se eu gostaria de ter meu próprio avatar de IA, nem hesitei em dizer que sim. É claro que eu gostaria de ter meu próprio gêmeo digital. Minha roupa estava fofa naquele dia e meu cabelo estava no lugar.
Até conhecer meu gêmeo digital, eu era indiferente em relação a avatares, mas sentia que eles inevitavelmente se tornariam parte do dia a dia na vida online. Ouvi falar de pessoas no Instagram que os criavam à sua semelhança para ajudá-las a produzir conteúdo social. Acho tudo isso muito interessante, e talvez seja por isso que agora não tenho escrúpulos em apresentar a vocês o meu gêmeo digital. Esta é a primeira vez que a Synthesia cria um avatar digital para uma jornalista (ou para qualquer pessoa, ponto final, além de Voica). Ele foi treinado com base na minha reportagem sobre o motivo pelo qual startups apoiadas por capital de risco cometem mais fraudes do que aquelas que não têm esse apoio, e só responderá a perguntas sobre essa reportagem.
Abaixo, basta clicar em “start in a new window” para começar.
Você pode fazer perguntas como:
Para fazer isso, entrei em um miniestúdio de cinema localizado dentro do escritório da Synthesia, onde eles tiraram várias fotos minhas e gravaram um áudio de dois minutos da minha voz. Tive que consentir com a criação desses avatares e, bem, o Dom digital nasceu. Eles criaram um avatar pessoal para mim (um que apenas lê qualquer roteiro que eu forneça) — com e sem óculos — e fizeram dois avatares interativos para mim (que podem conversar e me ouvir), também com e sem óculos.
Escolhemos um artigo para treinar o avatar interativo e, em seguida, uma das equipes criou meu avatar interativo, que é alimentado por uma combinação de modelos de voz para texto, vídeo, linguagem e texto para voz. A pilha de tecnologia do meu avatar inclui os próprios modelos de vídeo e voz da Synthesia, embora a empresa também permita que os clientes escolham alternativas de outros laboratórios, como Cartesia, ElevenLabs, Google ou OpenAI. As empresas também podem optar por hospedar seus avatares na nuvem que preferirem ou pagar para a Synthesia hospedá-los.
O modelo de voz para texto transforma o que as pessoas dizem em texto, o modelo de linguagem agêntica compreende o texto e pode tomar medidas com base nele, o modelo de texto para voz transforma uma resposta em áudio e, finalmente, um modelo de vídeo (criado pela Synthesia) anima o avatar enquanto ele fala.
No geral, a Synthesia cria três tipos de produtos — uma plataforma de criação e distribuição de vídeos com avatares clássicos, onde alguém digita um roteiro e o avatar o repete; uma plataforma agêntica chamada Sessions, onde as pessoas podem interagir com os avatares em pesquisas ou jogos de simulação (roleplay); e uma plataforma de API onde as pessoas podem pegar os modelos de vídeo e voz da Synthesia e combiná-los com outros serviços de tecnologia para criar avatares interativos ou outros tipos de produtos.
A equipe da Synthesia levou alguns dias para fazer meus avatares. Brinquei primeiro com os pessoais e digitei um roteiro bastante genérico para ver como minha voz de IA soava. Fiz com que falasse sobre como o outono chegou a Nova York, minha época favorita do ano. A voz foi bastante precisa e fiquei feliz por ela não ter capturado nenhuma das rouquidões que eu tinha quando gravei minha amostra de áudio.
Mostrei para alguns amigos que não são da área de tecnologia e eles acharam a experiência interessante e assustadora ao mesmo tempo.
Depois, mostrei a eles meu avatar interativo, que é determinístico, o que significa que ele só dirá aquilo para o qual foi treinado para responder. Nesse caso, tratava-se da minha reportagem sobre fraudes em empresas de capital de risco. Fiz perguntas como onde eu trabalhava antes do TechCrunch e em qual bairro de Nova York eu morava, mas todas as vezes ele me direcionava de volta para a história.
Meus amigos não acharam que a voz parecia muito com a minha e acharam a semelhança menos impressionante do que a do avatar pessoal, mas, ainda assim, era parecida o suficiente para ser um pouco assustadora. Minha mãe chamou de “incrível”, o que é um elogio e tanto vindo dela. Ela e meu pai continuavam tentando fazer perguntas que “só eles saberiam” sobre mim — mas o modelo não respondia, redirecionando-os todas as vezes para a história de fraude em startups.
“Não me lembro de ter dado à luz a dois de você”, brincou ela após testar o modelo.
Essa experiência me fez pensar sobre qual poderá ser o futuro do jornalismo. As pessoas concordariam em ligar a TV e ver as notícias serem apresentadas por um avatar? Um investidor me disse que não, imediatamente. Certamente há muita resistência hoje em dia à enxurrada de conteúdos de IA de baixa qualidade que invadiram as redes sociais e outras plataformas de compartilhamento de notícias. Mas outros com quem conversei não tinham tanta certeza. Os avatares poderiam ampliar — ou até substituir — os jornalistas? Os CEOs prefeririam falar com o avatar de IA de um jornalista em vez de com um humano?
O que eu mais gosto na minha carreira é me conectar com as pessoas, escrever histórias e pesquisar novos tópicos. Mas a parte mais importante do jornalismo é a confiança. Parece que isso jamais poderá ser terceirizado para uma IA.
Fora do jornalismo, tenho certeza de que a ideia de clonar a si mesmo pode ser atraente. Chega de ter que correr atrás do atraso no trabalho depois de um feriado ou de férias, porque uma versão de você pode estar sempre por perto, respondendo a perguntas.
Teremos que ver como o uso de avatares evoluirá na América corporativa. Mas agora que tenho o meu próprio, tenho sentimentos ambíguos. Depois que passou a novidade inicial, examinei meu avatar de perto depois que ele parou de falar e ficou esperando — pelo quê, não tenho certeza. Talvez eu esteja esperando que ele pisque. Ou que diga algo novo, ou sorria, ou apenas me deixe saber que ele sabe.
Como meus gêmeos digitais são determinísticos, eles nunca farão isso. Mas consigo ver como seria fácil para alguém cair em um leve estado de psicose por IA com um avatar não determinístico, ou seja, alimentado por um chatbot com liberdade para filosofar.
Eu disse a um investidor que, seja qual for o futuro dos gêmeos digitais, prevejo que a minha geração, a Geração Z, provavelmente não vai se acostumar com eles. Eles parecem coisa de ficção científica: tudo o que já vimos em filmes está aqui agora. Mas devo dizer que acho os avatares digitais menos desconcertantes do que os humanoides. Pelo menos com um avatar, se as coisas ficarem estranhas, eu sempre posso sair da sessão.
Até lá, no entanto, aqui está o meu avatar pessoal, dando a você um resumo de todas as principais notícias do nosso site esta semana!
