今年の夏、ビデオ生成スタートアップSynthesiaのコーポレートアフェアーズ責任者、アレクサンドル・ヴォイカから、彼らのPRチームの最新メンバーへのリンクが送られてきたとき、私は驚いた。それは彼のインタラクティブなバーチャルアバターで、Synthesiaについてのよくあるプレス質問——例えば何をするのか、どう機能するのか——に答えるように訓練されていた。前日、私はパネルディスカッションに参加していて、PR関係者からAI生成テキストを使ったピッチについてどう思うかと聞かれた。しかし、アレクサンドルのアバターはその域を超えていた——私には、PRにおけるAI利用の最終ボスのように思えた。

9月、Synthesiaはニューヨークの新しいオフィススペースに私を招待した。もともと英国に拠点を置くSynthesiaは、D-ID、HeyGen、Colossyanなどと並ぶ注目のデジタルアバタースタートアップだ。今年初めに評価額40億ドルに達し、昨年はARR（年間経常収益）が1億ドルを超えたと発表した。

Synthesiaは企業がAIアバターを使ったインタラクティブなトレーニングビデオを制作できるようにし、最近「ロールプレイセッション」という製品を立ち上げた。これは従業員が例えば営業トークをインタラクティブなAIアバターと練習し、その応答に反応し採点することを可能にする。

新しいオフィスのオープニングイベントに行き、彼らが私に自分のAIアバターを作りたいかと尋ねたとき、私はためらわずに「はい」と答えた。もちろん、自分のデジタルツインが欲しい。その日の私の服装は可愛く、髪も決まっていた。

自分のデジタルツインに会うまで、私はアバターに対して無関心だったが、それらが必然的に日常のオンライン生活の一部になるだろうと感じていた。Instagramで自分の似姿を作り、ソーシャルコンテンツの作成に役立てている人々の話を聞いたことがある。私はそれがとても興味深いと思っており、だからこそ今、自分のデジタルツインを皆さんに紹介することにためらいがないのかもしれない。これはSynthesiaがジャーナリストのために（あるいはヴォイカ以外の誰かのために、そもそも）デジタルアバターを作った初めてのケースだ。それは、なぜベンチャー支援のスタートアップが非VC支援のスタートアップよりも多くの詐欺を働くのかについての私の記事で訓練されており、その記事に関する質問にしか答えない。

以下で、「新しいウィンドウで開始」を押すだけで始められる。

これを作るために、私はSynthesiaのオフィス内にある小さなフィルムスタジオに入り、彼らは私の写真を多数撮影し、2分間の音声を録音した。私はこれらのアバターが作られることに同意しなければならず、まあ、デジタル・ドムが誕生した。彼らは私のためにパーソナルアバター（私が与えた台本をただ読むだけのもの）を眼鏡ありとなしで作り、さらにインタラクティブアバター（話しかけたり聞いたりできるもの）も眼鏡ありとなしで2つ作った。

私たちはインタラクティブアバターを訓練する記事を選び、その後チームの1つが私のインタラクティブアバターを構築した。それは音声-to-テキスト、ビデオ、言語、テキスト-to-音声モデルの組み合わせで動いている。私のアバターの技術スタックにはSynthesia自身のビデオと音声モデルが含まれているが、同社は顧客がCartesia、ElevenLabs、Google、OpenAIなどの他のラボの代替品を選ぶことも許可している。企業はアバターを好きなクラウドでホストするか、Synthesiaにホスティングを依頼することもできる。

音声-to-テキストモデルは人々の発言をテキストに変換し、エージェント言語モデルはテキストを理解しそれに基づいて行動を起こすことができ、テキスト-to-音声モデルは応答を音声に変換し、最後にビデオモデル（Synthesia製）がアバターが話す際にアニメーション化する。

全体として、Synthesiaは3種類の製品を構築している——古典的なアバターを使ったビデオ作成・配信プラットフォーム（誰かが台本を入力するとアバターがそれを繰り返す）、「セッションズ」と呼ばれるエージェントプラットフォーム（人々が調査やロールプレイでアバターと対話できる）、そしてAPIプラットフォーム（人々がSynthesiaのビデオと音声モデルを取り、他の技術サービスと組み合わせてインタラクティブアバターや他の種類の製品を構築できる）。

Synthesiaチームが私のアバターを作るのに数日かかった。私はまずパーソナルアバターで遊び、かなり一般的な台本を入力してAI音声がどう聞こえるか試した。ニューヨークに秋が到来したこと、私の好きな季節について話させた。声はかなり正確で、私は