Synthesia AI: Khám phá chi tiết cách sử dụng Synthesia để tạo video bằng AI

Trong ngành công nghiệp trí tuệ nhân tạo và robot, có một hiện tượng được gọi là "thung lũng kỳ lạ": Người ta nhận thấy rằng cho đến khi một con người được tạo ra bằng công nghệ tổng hợp hoàn hảo, mọi người có thể sẽ thấy nó hơi đáng sợ. Chúng ta vẫn chưa thoát khỏi thung lũng kỳ lạ, nhưng đang tiến gần đến điều đó - và trong thời gian này, rất nhiều công ty phần mềm đang phát triển các ứng dụng thực tiễn cho avatar con người do AI tạo ra.

Một trong số đó là Synthesia, tập trung công nghệ video AI của mình vào các trường hợp sử dụng trong doanh nghiệp như video hướng dẫn và đào tạo nhân viên, những video thường không có kỳ vọng về tính siêu thực như video được tạo ra cho mục đích giải trí.

Synthesia là gì?

Synthesia là một công cụ tạo video dựa trên trí tuệ nhân tạo (AI) sử dụng avatar AI thay thế cho diễn viên hoặc người lồng tiếng. Toàn bộ sản phẩm của Synthesia tập trung vào nhu cầu của các doanh nghiệp và công ty công nghệ, những đơn vị thường lưu trữ hàng trăm (hoặc hàng nghìn) video phục vụ cho việc đào tạo nhân viên, hướng dẫn sử dụng sản phẩm và video hướng dẫn khách hàng.

Cách truyền thống để tạo ra những video này – bằng diễn viên hoặc người lồng tiếng – rất tốn kém và mất thời gian. Việc cập nhật cũng rất phức tạp. Nhưng việc tạo video trong Synthesia, chỉnh sửa video hiện có hoặc thậm chí dịch chúng sang ngôn ngữ khác đều nhanh chóng và không cần phải thu âm lại.

Các avatar độc quyền được tạo ra dựa trên một diễn viên thực tế đã cấp phép sử dụng hình ảnh của họ cho Synthesia. Hơn một trăm diễn viên đã được nhóm của Synthesia ghi hình bằng 160 máy quay cùng lúc để thu lại nhiều chuyển động tự nhiên và biểu cảm khuôn mặt. Thêm một chút trí tuệ nhân tạo, bạn sẽ có được một số avatar AI chân thực nhất trên thị trường.

Khám phá sâu hơn các tính năng của Synthesia

Các tính năng cốt lõi của Synthesia là avatar video AI, công cụ chuyển văn bản thành giọng nói và công cụ thiết kế bài thuyết trình.

Avatar video AI

Kho avatar của Synthesia rất lớn, với hơn 230 avatar đa dạng. Vì những avatar này được cấp phép sử dụng hình ảnh của các diễn viên thật, chúng trông thực tế hơn nhiều so với những đối thủ cạnh tranh. Để tìm avatar phù hợp, bạn chỉ cần nhập những gì mình đang tìm kiếm ("một nữ doanh nhân", "một chàng trai trẻ sành điệu") và bạn sẽ thấy rất nhiều lựa chọn.

Những avatar này được xây dựng bằng cách sử dụng kỹ thuật quay phim nhiều camera để tạo ra các mô hình toàn thân có cử chỉ và chuyển động đồng bộ với kịch bản.

Khi tạo video Synthesia, bạn có thể thay đổi avatar bất cứ lúc nào. Bạn cũng có thể hiển thị các avatar khác nhau trên mỗi slide.

Synthesia cũng có khả năng tạo avatar AI tùy chỉnh dựa trên hình ảnh của bạn. (Bạn cũng có thể "nhân bản" giọng nói của mình). Nhược điểm chính là avatar AI tùy chỉnh có giá 1.000 USD/năm, cao hơn cả phí đăng ký Synthesia.

Sau khi thêm kịch bản vào công cụ tạo bài thuyết trình, bạn có thể tùy chỉnh diễn xuất của avatar bằng cử chỉ và biểu cảm. Với avatar Express-2, các chuyển động này hiện được tạo tự động đồng bộ với kịch bản, giúp avatar trông tự nhiên hơn nhiều mà không cần điều chỉnh thủ công. Điều này loại bỏ một trong những điểm khó khăn lớn nhất từ ​​các phiên bản trước, nơi việc căn chỉnh thời gian có thể khó khăn và tốn thời gian. Tìm hiểu thêm về quy trình bằng cách xem video này

Chuyển văn bản thành giọng nói

Synthesia hiện cung cấp hơn 140 ngôn ngữ và giọng điệu, cùng với nhiều tông giọng khác nhau. Những nâng cấp gần đây cho công nghệ giọng nói của nó cũng đã nâng cao tiêu chuẩn - đến mức trong các bài blind test, giọng nói của Synthesia được đánh giá cao so với các mô hình hàng đầu khác. Riêng phần giọng tiếng Anh, Synthesia đã bao gồm nhiều giọng khác nhau, từ giọng Ireland, Nigeria đến Ấn Độ, và hầu hết các giọng đều có nhiều biến thể và phong cách.

Sau khi thêm kịch bản, bạn có thể thay đổi giọng nói của avatar bất cứ lúc nào. Bạn cũng có thể thay đổi ngôn ngữ, mặc dù điều đó yêu cầu bạn phải thay đổi ngôn ngữ của kịch bản.

Khi xem qua các giọng nói có sẵn, bạn có thể nghe thử một đoạn ngắn của mỗi giọng. Mỗi giọng nói được gắn nhãn, chẳng hạn như "giống thật" hoặc "chuyên nghiệp".

Chất lượng không nhất quán. Một số giọng AI rất tuyệt vời; nhiều giọng khá tốt; những giọng khác nghe rất máy móc và đều đều. Giọng nói tiếng Tây Ban Nha tạm ổn, nhưng vẫn khá giống robot. Có thể Synthesia đã load các mô hình âm thanh mới nhất mà không xóa những mô hình cũ; do đó, người dùng cần phải thử nghiệm để phân biệt được đâu là giọng tốt và đâu là giọng tệ.

Giọng nói AI của Synthesia - ngay cả những giọng tốt nhất - cũng không phát âm mọi thứ hoàn hảo. Theo kinh nghiệm, có lẽ mỗi slide đều có một từ bị sai ở khía cạnh nào đó. Synthesia gặp khó khăn trong việc phát âm năm một cách tự nhiên. May mắn thay, có một giải pháp: Tính năng Diction của Synthesia, cho phép bạn đưa ra hướng dẫn phát âm tùy chỉnh. Nhìn chung, tính năng này hoạt động tốt.

Công cụ chuyển văn bản thành giọng nói của Synthesia cũng cho phép bạn thêm các khoảng dừng ở bất kỳ đâu trong kịch bản và tự động tạo phụ đề trong video cuối cùng - một tính năng quan trọng giúp tăng khả năng tiếp cận cho việc làm video doanh nghiệp.

Thiết kế bài thuyết trình

Một trong những điểm nổi bật của Synthesia là giao diện người dùng, rất quen thuộc ngay từ lần đầu sử dụng. Việc tạo video bằng AI rất giống với việc biên soạn một bài thuyết trình PowerPoint. Quá trình học tập diễn ra nhanh chóng, và các tính năng như trợ lý kịch bản AI của Synthesia và hơn 65 template video giúp việc biên soạn video trở nên dễ dàng.

Giống như các công cụ thuyết trình khác, bạn có thể sử dụng hoạt ảnh để làm cho bài thuyết trình của mình sinh động hơn. Synthesia cũng bao gồm một trình ghi màn hình tích hợp, hoàn hảo để tạo các video giới thiệu sản phẩm và video hướng dẫn sử dụng. Các tính năng cộng tác cho phép đồng nghiệp thêm nhận xét sau khi video của bạn hoàn thành; mỗi nhận xét được liên kết với dấu thời gian của video, vì vậy bạn có thể nhanh chóng hiểu những gì cần được thay đổi.

Đối với một nền tảng tiên tiến như vậy, thật đáng ngạc nhiên khi công cụ này lại trực quan đến vậy. Theo kinh nghiệm, chỉ có một vấn đề duy nhất: Tốc độ. Việc tạo một video dài 1 phút mất khoảng 15 phút. Mặc dù điều này có thể hiểu được, vì việc tạo hoạt ảnh cho avatar AI đòi hỏi một lượng lớn sức mạnh tính toán, nhưng việc điều hướng các phần còn lại của công cụ trình chiếu cũng hơi chậm.