AAITopic

← 返回今日选题

已核验 · Sep 28, 2026

已独立佐证

一位 TechCrunch 记者被克隆成四个 Synthesia 分身——两个个人版、两个可交互版，可交互那对只受训于一篇报道且设计上就是确定性的；Synthesia 的 API 页面列出每分钟 0.12 美元的按量计费

2 个信源

2026 年 9 月 26 日星期六（已按日历核算），TechCrunch 刊发（Dominic-Madori Davis，发稿时间 7:00 AM PDT）一篇第一人称亲历：她被 Synthesia 做成了可交互数字分身。采集，按 TechCrunch：「I entered a mini film studio nestled inside Synthesia's office where they took numerous photos of me and captured a two-minute recording of my voice.（我走进藏在 Synthesia 办公室里的一个迷你摄影棚，他们拍了大量我的照片，并录了两分钟的声音。）」产出：「They created a personal avatar for me (one that just reads whatever script I give it) — with and without glasses — and they made two interactive avatars for me (ones that can talk back and listen to me), also with and without glasses.（他们为我做了一个个人分身——只会念我给它的任何脚本——戴眼镜与不戴眼镜各一；又做了两个可交互分身——能对话、能听我说话——同样各配了戴与不戴眼镜的版本。）」范围：「It is trained on my story about why venture-backed startups commit more fraud than non-VC-backed startups and will only answer questions about that story.（它用我那篇关于风投支持的初创公司为何比非风投支持的更容易造假的报道训练，且只会回答与这篇报道相关的问题。）」按 TechCrunch，记者以文章自己的口吻写道这是该公司第一次为记者制作数字分身（也是 Voica 之外的第一次）——此处转述，因为原文那一句把公司名拼错了。技术栈：「built my interactive avatar, which is powered by a combination of voice-to-text, video, language, and text-to-voice models.（构建我的可交互分身，它由语音转文字、视频、语言与文字转语音模型的组合驱动。）」以及：「My avatar's tech stack includes Synthesia's own video and voice models, although the company also allows customers to choose alternatives from other labs like Cartesia, ElevenLabs, Google, or OpenAI.（我的分身技术栈包括 Synthesia 自己的视频与语音模型，不过公司也允许客户选用其他实验室的替代品，如 Cartesia、ElevenLabs、Google 或 OpenAI。）」制作周期：「It took the Synthesia team a couple of days to make my avatars.（Synthesia 团队花了几天时间做出我的分身们。）」行为：「is deterministic, meaning it will only say what it was trained to respond to. In this case, that was my venture fraud story.（是确定性的，也就是说它只会说它被训练去回应的内容。就这里而言，就是我的风投造假报道。）」——当她的父母问「only they would know（只有他们才知道）」的问题时，「the model didn't answer, redirecting them each time to the venture fraud story.（模型没有回答，每次都把他们引回那篇风投造假报道。）」评价，按 TechCrunch：「My friends didn't think the voice sounded much like mine and thought the likeness was not as good as the personal avatar, but nonetheless it was close enough to be somewhat creepy.（朋友们觉得声音不太像我的，相似度也不如个人分身，但已经接近到有点瘆人。）」以及她妈妈那句：「I don't remember giving birth to two of you,（我不记得生过你们两个啊，）」——测试完模型后开玩笑道。Synthesia 自己的 Interactive Avatars 页面（本 run 已打开；无日期）定义产品：「Build Interactive Avatars that can listen, talk, and respond directly inside your product, website, or internal tools.（构建能在你的产品、网站或内部工具里直接聆听、说话与回应的 Interactive Avatar。）」页面记录了 LiveKit 插件路径——「Any LLM, any tools, any knowledge base.（任意 LLM、任意工具、任意知识库。）」——自带 LLM 路径标为「Available now（现已可用）」，Pipecat 插件与端到端托管选项为「Coming soon（即将推出）」，按量计费每分钟 0.12 美元，并有「Role-play difficult conversations, with rubric scoring via webhook.（通过 webhook 评分的困难对话角色扮演）」用例。

为什么现在讲

创作者的数字分身刚拿到一份具体而诚实的规格表：按 TechCrunch 的第一人称讲述，流水线是拍照加两分钟录音、工期几天、产出四个分身——两个个人版（读稿）与两个可交互版（对话）——而可交互那对只受训于恰好一篇报道。第二层，设计选择本身就是讨论点：可交互分身「is deterministic, meaning it will only say what it was trained to respond to（是确定性的，也就是说它只会说它被训练去回应的内容）」——一道防止幻觉回答的刻意围栏，连记者自己的父母都被它挡了回去；她描述的「AI 心理依赖」风险恰恰住在非确定性的分身里。第三层，开发者路径已经自助：Synthesia 自己的页面把 LiveKit 自带 LLM 插件标为「现已可用」、按量计费每分钟 0.12 美元——有 agent 技术栈的创作者不需要 Synthesia 的摄影棚也能给它加一张脸。第四层，诚实的警示本身就是内容：按记者所述，朋友们觉得声音不太像她、相似度不及个人分身——「瘆人地接近」与「以假乱真」之间的落差，正是观众想看的；而她那句「新闻业的信任看起来永远无法外包给 AI」为整场讨论定了框。

推荐理由

今日创作者经济题材里最可执行的一张卡：每个创作者都想过克隆自己要花什么，这张卡带着真实的输入（照片、两分钟语音、同意书、几天工期）、诚实的产出质量（接近到有点瘆人、并非以假乱真）、以及一条带公开定价的自助开发者路径。差异化的打法是让每个事实待在自己的层上——定制的摄影棚流程是一位记者的亲历、绝不被说成自助流程；「第一次为记者」的说法保持记者自己的口吻；确定性保持她那组分身的范围；每分钟 0.12 美元保持 API 页面开发者路径的范围。这里的信任靠展示接缝来建立。

依据

两个已打开的信源：TechCrunch 亲历文（Dominic-Madori Davis，署名时间 7:00 AM PDT · September 26, 2026，星期六，已按日历核算；元数据 datePublished 2026-09-26T14:00:00+00:00；抓取原始 HTML）与 Synthesia 自己的 Interactive Avatars 产品页（页面无发布日期——不为它创建 signal；事实按采集日期 2026-09-28 锚定）。层级纪律：体验类事实（摄影棚、两分钟语音采集、几天工期、亲友反应、信任反思）是记者对一个由团队执行的定制过程的讲述；公司事实（40 亿美元估值为「今年早些时候」、1 亿美元 ARR 为「去年宣布」、技术栈替代项、三类产品）是文章的；产品定义、LiveKit 集成与可用性划分、每分钟 0.12 美元的按量计费、评分角色扮演用例来自 Synthesia 的页面。「第一次为记者（也是 Voica 之外的第一次）」是文章自己的口吻——因为原文渲染把公司名拼错（『Synethsia』）而转述处理——且保持记者归属，绝不上调为行业第一次。确定性保持她那两个可交互分身的范围；没有任何信源说它是所有 Synthesia 可交互分身的默认行为。定制流程绝不被说成普遍可用流程，每分钟 0.12 美元的价格也绝不安到那个流程上。

“Synthesia 用一次拍照加两分钟录音，把一位 TechCrunch 记者克隆成了四个会说话的分身——而其中会对话的那两个，永远只能聊一篇报道。”

切入角度

把它框成「克隆自己到底要什么——输入、产出、还有接缝」，分三拍。第一拍，输入：一个迷你摄影棚、大量照片、两分钟录音、同意书——外加 Synthesia 团队几天的工期（按记者的讲述；这是一个定制过程，不是一个 App 按钮）。第二拍，产出：两个会念任何脚本的个人分身、两个能对话的可交互分身——她那对只受训于一篇报道、确定性的、把跑题问题都挡回那篇报道；而 Synthesia 自己的页面展示了开发者路径（LiveKit 插件、自带 LLM、每分钟 0.12 美元按量计费）。第三拍，接缝与赌注：朋友们觉得声音不太像她、相似度不及个人分身——「接近到有点瘆人」——以及她那句「新闻业的信任看起来永远无法外包给 AI」，这就是递给观众的讨论题。

形式

长视频讲解

演示想法

一张规格表卡：记者那组分身的输入（照片、2 分钟语音、同意书、几天工期）→ 产出（2 个个人版＋2 个可交互版，戴／不戴眼镜）→ 行为（确定性、只聊一篇报道、把跑题问题引回原报道），每行标注「按 TechCrunch」。第二张卡：自助路径的对比——Synthesia 自己页面的数字（LiveKit 插件「现已可用」、每分钟 0.12 美元按量计费）对比定制流程，配文「开发者路径不是摄影棚」。

平台注意

每个体验事实保持记者第一人称的归属——这是在 Synthesia 办公室由团队执行的定制过程；两个信源都没有说明有自助复现它的路径，绝不说「几天克隆自己」是普遍可用的。每分钟 0.12 美元是 Interactive Avatars API 页面开发者路径的按量计费定价——绝不是她那组分身的价格（任何信源都没给）。「第一次为记者」保持记者的口吻，绝不是 Synthesia 的官方声明，更不是行业第一次。确定性保持她那两个可交互分身的范围——绝不上纲为所有 Synthesia 分身。相似度警示不打折发出：朋友们觉得声音不太像她。公司事实保留时间戳：40 亿美元是「今年早些时候」、1 亿美元 ARR 是「去年宣布」。她的 AI 心理依赖与信任反思是观点——按她的框架呈现。

可用说法

  • 2026 年 9 月 26 日星期六（已按日历核算），TechCrunch 刊发（Dominic-Madori Davis，发稿时间 7:00 AM PDT）一篇第一人称亲历：她用 Synthesia 为自己制作了可交互的数字分身。背景，按 TechCrunch：Synthesia 企业事务负责人 Alexandru Voica 已有一个受训回答该公司常见媒体问题的可交互虚拟分身，记者称之为「the final boss of using AI in PR（在公关领域使用 AI 的最终 Boss）」。公司背景，按 TechCrunch：「It hit a $4 billion valuation earlier this year and said last year it had crossed $100 million in ARR.（公司今年早些时候估值达到 40 亿美元，并在去年宣布 ARR 突破 1 亿美元。）」采集过程，按 TechCrunch：「I entered a mini film studio nestled inside Synthesia's office where they took numerous photos of me and captured a two-minute recording of my voice.（我走进藏在 Synthesia 办公室里的一个迷你摄影棚，他们拍了大量我的照片，并录了两分钟的声音。）」她得到了什么，按 TechCrunch：「They created a personal avatar for me (one that just reads whatever script I give it) — with and without glasses — and they made two interactive avatars for me (ones that can talk back and listen to me), also with and without glasses.（他们为我做了一个个人分身——只会念我给它的任何脚本——戴眼镜与不戴眼镜各一；又做了两个可交互分身——能对话、能听我说话——同样各配了戴与不戴眼镜的版本。）」可交互分身只围绕单一故事，按 TechCrunch：「It is trained on my story about why venture-backed startups commit more fraud than non-VC-backed startups and will only answer questions about that story.（它用我那篇『风投支持的初创公司比非风投支持的更容易造假』的报道训练，且只会回答与这篇报道相关的问题。）」按 TechCrunch，记者写道这是该公司第一次为记者制作数字分身（也是 Voica 之外的第一次）——此句以文章自己的口吻陈述，此处转述而不加引号，因为原文那一句把公司名拼错了。技术栈，按 TechCrunch：「built my interactive avatar, which is powered by a combination of voice-to-text, video, language, and text-to-voice models.（构建我的可交互分身，它由语音转文字、视频、语言与文字转语音模型的组合驱动。）」以及：「My avatar's tech stack includes Synthesia's own video and voice models, although the company also allows customers to choose alternatives from other labs like Cartesia, ElevenLabs, Google, or OpenAI.（我的分身技术栈包括 Synthesia 自己的视频与语音模型，不过公司也允许客户选用其他实验室的替代品，如 Cartesia、ElevenLabs、Google 或 OpenAI。）」制作周期，按 TechCrunch：「It took the Synthesia team a couple of days to make my avatars.（Synthesia 团队花了几天时间做出我的分身们。）」行为方式，按 TechCrunch：可交互分身「is deterministic, meaning it will only say what it was trained to respond to. In this case, that was my venture fraud story.（是确定性的，也就是说它只会说它被训练去回应的内容。就这里而言，就是我的风投造假报道。）」——当她的父母问它「只有他们才知道」的问题时，「the model didn't answer, redirecting them each time to the venture fraud story.（模型没有回答，每次都把他们引回那篇风投造假报道。）」亲友团的评价，按 TechCrunch：「My friends didn't think the voice sounded much like mine and thought the likeness was not as good as the personal avatar, but nonetheless it was close enough to be somewhat creepy.（朋友们觉得声音不太像我的，相似度也不如个人分身，但已经接近到有点瘆人。）」还有她妈妈的那句：「I don't remember giving birth to two of you,（我不记得生过你们两个啊，）」她测试完模型后开玩笑说。Synthesia 自己的 Interactive Avatars 产品页（本 run 已打开；页面无日期）写明产品定义：「Build Interactive Avatars that can listen, talk, and respond directly inside your product, website, or internal tools.（构建能在你的产品、网站或内部工具里直接聆听、说话与回应的 Interactive Avatar。）」该页记录了 LiveKit 插件集成——装插件、挂 AvatarSession、上线——并附能力说明「Any LLM, any tools, any knowledge base.（任意 LLM、任意工具、任意知识库。）」；LiveKit 自带 LLM 路径标为「Available now（现已可用）」，而 Pipecat 插件与端到端托管选项均为「Coming soon（即将推出）」；页面列出按量计费价格每分钟 0.12 美元；并包含「Role-play difficult conversations, with rubric scoring via webhook.（通过 webhook 评分的困难对话角色扮演）」用例。

证据链

来自新闻

拆解

一篇第一人称亲历，纪律在于逐个事实辨声。第一层，体验类事实——摄影棚、两分钟语音采集、几天工期、亲友评价、信任反思——是一位记者对一个由团队执行的定制过程的讲述，卡上绝不把「几天克隆自己」说成普遍可用的流程。第二层，价格：每分钟 0.12 美元的按量计费是 Interactive Avatars API 页面开发者路径的定价——绝不安到记者的分身上，她的成本任何信源都没给。第三层，「第一次」：文章以自己的口吻说该公司第一次为记者（也是 Voica 之外的任何人）制作数字分身——保持记者的断言，绝不上调为行业第一次，且卡上转述处理，因为原文的渲染把公司名拼错了。第四层，确定性：「它只会说它被训练去回应的内容」说的是她那两个可交互分身——绝不上纲为所有 Synthesia 分身，因为没有任何信源说它是默认行为。第五层，接缝不打折：朋友们觉得声音不太像她、相似度不及个人分身——可靠性警示是内容、不是噪音。第六层，时间戳：40 亿美元是「今年早些时候」、1 亿美元 ARR 是「去年宣布」；且两个信源层保持分开——产品定义、LiveKit 路径与定价来自 Synthesia 自己（无日期的）页面，公司与体验事实来自 TechCrunch。编辑的规则：体验要归属、价格要限范围、让诚实的警示去做差异化。

信源

风险

  • 发布前，把每一层内容重新核对：每个体验事实保持记者归属，量身定制流程保持不可普遍化；每分钟 0.12 美元保持 API 页面开发者路径的范围；「第一次」保持记者口吻；确定性保持她那组分身的范围；相似度警示不打折发出；公司事实保留时间戳；观点保持观点。如果你的脚本压缩了其中任何一条，宁可删掉细节也不要把它抹圆。

演示思路

  • 规格表卡：记者分身制作的输入 → 产出 → 行为，每行标注「按 TechCrunch」
  • 双路径卡：定制摄影棚流程 vs Synthesia 页面的 LiveKit 开发者路径（每分钟 0.12 美元定价），配文「开发者路径不是摄影棚」