再融资1.8亿美元，这个AI视频平台成功打造了AI产生的第一个虚拟形象。

虽然电子邮件、通信软件、文件共享等工具在当今快节奏、分布式的职场环境中极具价值，但它们仍然只是基本的信息传递。

就这样，视频逐渐成为公司领域强大的新媒体，改变了办公室的沟通和合作模式。视频通过将印象深刻的视觉效果、语音语调或肢体语言融入到数字互动中，填补了文本交流的不足。

Synthesia的创始团队在2017年建立了一个视频平台，以进一步挖掘这种媒体形式的价值，使企业能够充分利用视频进行业务交流和知识共享，并在此过程中将任何员工转化为视频创作者。

01.1分钟项目速度

1.项目名称 ：Synthesia

2.成立时间 ：2017年4月

3.产品介绍 ：

Synthesia提供了一个AI视频生成平台，可以用120多种语言定制头像和画外音，将文字转换成专业视频。

创始人团队4. ：

Victor Riparbelli：CEO，曾经在哥本哈根信息技术大学学习；

Steffen Tjerrild：COO，CFO，曾经在斯坦福学校攻读金融硕士学位；

Matthias Niessner教授：慕尼黑工业大学教授，负责视觉计算实验室；

Lourdes Agapito教授：伦敦大学计算机科学系3D视觉教授。

5.融资情况：

2017年10月1日，种子前轮融资达到100万美元；

LDV于2019年4月25日完成。 Capital领先的种子轮融资310万美元；

FirstMark领先的1250万美元A轮融资于2021年4月20日完成；

Kleiner于2021年12月8日完成。 在B轮融资中，Perkins领先5000万美元；

在Accel领先的C轮融资中，2023年6月13日完成了9000万美元；

New将于2025年1月15日完成 Enterprise 1.8亿美元的D轮融资由Associates领导。

02.从“好莱坞”到“企业通信”

这个故事来源于Victorr 无意中，Riparbelli读到了Matthiashias Niessner教授写了一篇关于AI在视频生成应用方面的开创性论文，这篇论文的内容让他深受启发，他意识到这可能意味着媒体制作过程中的一场革命。

不久后，Victor Riparbelli和Steffen Tjerrild、Matthias Niessner教授，Lourdes Agapito教授与Synthesia一起创办了Synthesia企业，试图成功地将这篇论文转化为商业应用，这无疑是学术界和行业之间的强强联合。

这家公司的愿景是“让一个有创意的16岁少年，只有卧室里的一台设备，才能拍出好莱坞级别的电影”。

当Synthesia仍然使用AI来制造像Snapchat滤镜这样的工具时，Synthesia已经以AI配音工具出现了。 ，该工具采用计算机视觉技术，使不同语言的口腔动作更加自然真实，同时也为公司带来了首批收益。

此后，Synthesia发现，世界上有数十亿人渴望制作视频，但由于不了解拍摄技巧和有限的预算，他们从未知道从哪里开始。

同时，Synthesia也意识到了生成AI视频的真正目标客户，并非现有的视频制作能力群体，而是那些在工作中需要视频但缺乏资源的人。。

Synthesia在有了明确的方向之后，创造了一种商品，虽然质量略逊于专业摄像机，但是价格更贴近百姓，操作也更简单，所以很多业余爱好者都愿意为此买单。

如今，Synthesia已经完全成为面向企业的AI视频平台。

03.公司通信软件领先

Synthesia，从AI语音开始，转变了发展方向之后，它在很多方面都遥遥领先，成为业界公司青睐的AI视频平台。 在AI头像、AI语音和视频剪辑方面，Synthesia的功能主要表现在AI头像上。 。

AI头像

Synthesia可以创建自定义头像，并提供150多个不同风格、肤色、性别和年龄的AI人物。

使用者还可以在外观和服装等方面进行调整，使虚拟图像更符合自己的需要和创意。用户可以通过手机摄像来完成整个过程。

如今， Synthesia已经从一个简单的AI头像发展到支持AI半身像 ，身体姿势和手势也成为虚拟形象的一部分。Expressivessive最新推出的第四代AI虚拟形象。 Avatars更能准确地传达情绪。

AI语音

作为一款领先的公司通信软件，Synthesia的语音效果几乎可以区分真假，就像真人的声音质量、语气和情感表达一样。

顾客可在29种不同的语言中克隆自己的英语声音，录音时间只需5-10分钟。 。

音频结束后，可以用自己的声音建立多语种的个性化内容，与不同语言背景的观众建立更紧密的联系。

该软件支持120多种语言和口音，几乎涵盖了世界上所有主要的语言和方言。不同国家和地区的客户可以轻松制作不同语言版本的视频，并在全球范围内传播视频内容。

视频剪辑

Synthesia可以思考文字，PPT、PDF和网站根据事先设置的模板转换为视频，不需要摄像机、麦克风和演员， 大大降低了视频制作的门槛，节省了时间和开支 。

该软件内置了300多个视频资料，用户可以选择和修改其模板，调整视频中的AI头像、背景图、语音速度、语气等数据，甚至可以微调演讲者的面部情绪。

更为重要的是，Synthesia支持合作制作视频并实时编辑，用户可以为团队创造共享空间。

Synthesia官方已推出Synthesia 2.0可以立即编辑用户完成的视频视频，转录画外音，匹配屏幕截图，并具有强调关键动作的自动缩放效果等功能。

2.0的翻译功能更加完善，用户只需使用Synthesia更新一个视频，后面观看的视频将自动翻译成观众的语言。

Synthesia 2.0重新开始对视频制作的每一步都进行了彻底的改造。，致力于帮助公司大规模创建和共享AI产生的视频。

04.探索AI虚拟图像

AI虚拟图像是Synthesia平台的核心， 目前已有超过20万人使用其225个虚拟图像创建了超过1800万个视频演示，并以130多种语言发布。 。

起初，Synthesia为娱乐业开发了对口型和配音工具。然而，由于该技术的质量门槛较高，需求量较小，企业在2020年改变了方向，为企业客户提供了第一代虚拟形象。

与后续版本相比，第一代商品略显笨重，从多方面看都非常不成熟。

现在，该公司已经推出了第四代AI虚拟形象Expressivee Avatars，这是世界上第一个由AI产生的虚拟图像。EXPRESS-1模型支持这些虚拟图像，可以实现逼真的表演。

具体来说，EXPRESS-1模型采用大型预训练模型作为主要推广性能，结合扩散技术模拟复杂的多模态分布。它能无缝地预测每一个动作和面部情绪，与口语时间、语调和重音无缝衔接。。

Expressive 如今，Avatars可以像真正的演员一样，以正确的语调、肢体语言和嘴型同步演绎剧本，成为“数字演员”。

Melissa Heikkilä分享了她制作数字替身的经验。

她站在绿色的窗帘前，按照规定旋转头部和眼睛，这样系统就可以识别其精确的肤色和面部特征。然后她被要求说:All the boys ate a fish”这句话，使系统能够捕捉到形成元音和辅音所需的所有口腔动作。甚至闲坐的画面也成了AI模型数据的训练。

随后，Melissa Heikkilä为了用这些语音样本来复制声音，被要求用正常、激励、愤怒、兴奋等不同语气读一个剧本。

总之， 人工智能识别面部动作、微表情、头部倾斜、眨眼、缩肩、挥手等数据点越多，虚拟图像就越真实。 。

Synthesia表示，在最新1.8亿美元融资的支持下，希望在不久的将来，能够在虚拟空间中创造一个全身化身，进行行走和移动。

然而，随着虚拟形象技术的不断发展，AI不仅重新定义了个性化的表达方式，也逐渐引起了更深层次的社会讨论。与此同时，相关AI语音和AI视频技术的快速发展也带来了相关隐私的担忧。

另一方面，人们越来越意识到AI产生的内容正在蓬勃发展，并将成为传播虚假信息的有力工具。

另外，目前还不清楚深度伪造是否被广泛用于传播虚假信息，以及它们是否会普遍改变每个人的信仰和行为。

AI控制还不完善，科技行业对内容来源的核查还处于起步阶段。因此，消费者在享受科技发展的同时，需要更加警惕，防止在海量数据中迷失。

参考链接：

1. https://www.cnbc.com/2025/01/15/ai-video-platform-synthesia-doubles-valuation-to-2point1-billion.html

2.https://www.synthesia.io/?r=0

本文来自微信公众号“元宇宙之心MetaverseHub”，作者：元宇宙之心，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com