Quando Alexandru Voica, chefe de assuntos corporativos da startup de geração de vídeo Synthesia, me enviou neste verão um link para a mais nova adição à sua equipe de relações públicas, fiquei surpreso. Era um avatar virtual interativo dele, treinado para responder a perguntas comuns da imprensa sobre a Synthesia, como o que ela faz e como funciona. No dia anterior, eu estava em um painel onde pessoas de RP me perguntaram se eu me incomodava com pitches que usavam texto gerado por IA. Mas o avatar de Alexandru estava além disso — para mim, parecia o chefão final do uso de IA em RP.

Em setembro, a Synthesia me convidou para seu novo escritório em Nova York. Originalmente sediada no Reino Unido, a Synthesia é uma startup badalada de avatares digitais, ao lado de outras como D-ID, HeyGen e Colossyan. Alcançou uma avaliação de US$ 4 bilhões no início deste ano e disse no ano passado que ultrapassou US$ 100 milhões em ARR.

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 praticar, por exemplo, pitches de vendas com um avatar de IA interativo que responde e avalia suas respostas.

Quando fui à inauguração do novo escritório e me perguntaram se eu gostaria de ter meu próprio avatar de IA, não hesitei em dizer sim. Claro que eu gostaria do meu próprio gêmeo digital. Minha roupa estava bonita naquele dia, e meu cabelo estava no lugar.

Até conhecer meu gêmeo digital, eu era indiferente a avatares, mas sentia que eles inevitavelmente se tornariam parte da vida online cotidiana. Ouvi falar de pessoas no Instagram criando avatares à sua semelhança para ajudá-las a produzir conteúdo social. Acho tudo isso muito interessante, e talvez seja por isso que não tenho nenhum problema agora em apresentar a vocês meu gêmeo digital. Esta é a primeira vez que a Synthesia faz um avatar digital para um jornalista (ou para qualquer pessoa, aliás, fora o Voica). Ele é treinado na minha matéria sobre por que startups financiadas por capital de risco cometem mais fraudes do que startups sem capital de risco e só responderá perguntas sobre essa matéria.

Abaixo, basta pressionar "iniciar em uma nova janela" para começar.

Para fazer isso, entrei em um mini estúdio de cinema aninhado dentro do escritório da Synthesia, onde tiraram inúmeras fotos minhas e capturaram uma gravação 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 script que eu der) — com e sem óculos — e fizeram dois avatares interativos para mim (aqueles que podem responder e me ouvir), também com e sem óculos.

Escolhemos um artigo para treinar o avatar interativo, e então uma das equipes construiu meu avatar interativo, que é alimentado por uma combinação de modelos de voz para texto, vídeo, linguagem e texto para voz. A pilha tecnológica 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 escolher hospedar seus avatares em qualquer nuvem que desejarem ou pagar à Synthesia para hospedá-los.

O modelo de voz para texto transforma o que as pessoas dizem em texto, o modelo de linguagem agêntico dá sentido ao texto e pode tomar ações com base nele, o modelo de texto para voz transforma uma resposta em áudio e, finalmente, um modelo de vídeo (construído pela Synthesia) anima o avatar enquanto ele fala.

No geral, a Synthesia constrói três tipos de produtos — uma plataforma de criação e distribuição de vídeo com avatares clássicos, onde alguém digita um script e o avatar o repete; uma plataforma agêntica chamada Sessions, onde as pessoas podem interagir com os avatares em pesquisas ou 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 construir avatares interativos ou outros tipos de produtos.

A equipe da Synthesia levou alguns dias para fazer meus avatares. Primeiro brinquei com os pessoais e digitei um script bastante genérico para ver como minha voz de IA soava. Fiz ele falar sobre como o outono chegou em Nova York, minha época favorita do ano. A voz era bastante precisa, e eu