Eu criei um avatar digital interativo meu – e você pode conversar com ele

Quando Alexandru Voica, chefe de assuntos corporativos da startup de geração de vídeo Synthesia, me enviou um link neste verão para a mais nova adição à sua equipe de relações públicas, fiquei surpreso. Era um avatar virtual interativo dele, treinado para responder perguntas comuns da imprensa sobre o Synthesia, como o que ele faz e como funciona. No dia anterior, participei de um painel onde o pessoal de relações públicas me perguntou se eu me importava com propostas que usassem texto gerado por IA. Mas o avatar de Alexandru foi além disso – este me pareceu o chefe final do uso de IA em relações públicas.

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

A Synthesia permite que as empresas criem vídeos de treinamento interativos com avatares de IA e lançou recentemente um produto chamado Roleplay Sessions que permite aos funcionários praticar, por exemplo, discursos de vendas com um avatar de IA interativo que responde e pontua suas respostas.

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

Até conhecer meu gêmeo digital, eu era indiferente aos avatares, mas sentia que eles inevitavelmente se tornariam parte da vida on-line cotidiana. Ouvi falar de pessoas no Instagram que os criaram à sua semelhança para ajudá-los a criar conteúdo social. Acho tudo muito interessante, e talvez seja por isso que não tenho escrúpulos em apresentar a vocês meu gêmeo digital. Esta é a primeira vez que a Synethsia cria um avatar digital para um jornalista (ou para qualquer pessoa, ponto final, fora do Voica). Ele é treinado na minha história sobre por que as startups apoiadas por capital de risco cometem mais fraudes do que as startups não apoiadas por capital de risco e responderá apenas a perguntas sobre essa história.

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

Você pode fazer perguntas como:

• Por que decidi escrever esta história?
• Sobre o que é o artigo de pesquisa?
• O que os pesquisadores descobriram?

Para fazer isso, entrei em um miniestúdio de cinema situado dentro do escritório de Synthesia, onde tiraram inúmeras fotos minhas e capturaram uma gravação de dois minutos da minha voz. Tive que consentir que esses avatares fossem feitos e, bem, nasceu o Dom digital. 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, em seguida, uma das equipes construiu meu avatar interativo, que é alimentado por uma combinação de modelos de voz para texto, vídeo, idioma e texto para voz. A pilha de tecnologia 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 optar por 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 agente dá sentido ao texto e pode realizar 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 vídeos com avatares clássicos, onde alguém digita um script e o avatar o repete; uma plataforma agenciada chamada Sessions onde as pessoas podem interagir com os avatares em pesquisas ou roleplay; e uma plataforma API onde as pessoas podem pegar modelos de vídeo e voz Synthesia e combiná-los com outros serviços de tecnologia para construir avatares interativos ou outros tipos de produtos.

A equipe do Synthesia levou alguns dias para fazer meus avatares. Brinquei primeiro com os pessoais e digitei um script bastante genérico para ver como soava minha voz de IA. Falei sobre como o outono chegou em Nova York, minha época favorita do ano. A voz era bastante precisa e fiquei feliz por não ter captado nada da rouquidão que senti quando gravei minha amostra de áudio.

Mostrei-o a alguns amigos não técnicos que acharam interessante e assustador.

Depois mostrei a eles meu interativo, que é determinístico, o que significa que só dirá aquilo para o qual foi treinado para responder. Nesse caso, essa foi minha história de fraude de risco. Fiz perguntas como onde eu estava antes do TechCrunch e em que parte de Nova York eu morava, mas cada vez isso me direcionava de volta à história.

Meus amigos não acharam que a voz soava muito parecida com a minha e acharam que a semelhança não era tão boa quanto a do avatar pessoal, mas mesmo assim era próxima o suficiente para ser um tanto assustadora. Minha mãe chamou isso de “incrível”, o que é um grande elogio dela. Ela e meu pai continuaram tentando fazer perguntas “só eles saberiam” sobre mim – mas a modelo não respondeu, redirecionando-os a cada vez para a história de fraude no empreendimento.

“Não me lembro de ter dado à luz vocês dois”, brincou ela após testar o modelo.

Essa experiência me fez pensar sobre qual poderia ser o futuro do jornalismo. As pessoas concordariam em ligar as notícias e elas serem apresentadas por um avatar? Um investidor me disse não imediatamente. Certamente há hoje muita resistência aos resíduos de IA que se infiltraram nas redes sociais e noutras plataformas de partilha de notícias. Mas outros a quem perguntei não tinham tanta certeza. Os avatares poderiam aumentar – ou mesmo substituir – os jornalistas? Será que os CEOs gostariam de falar com um avatar de IA de um jornalista em vez de um humano?

O que gosto na minha carreira é me conectar com as pessoas, escrever histórias e pesquisar novos tópicos. Mas a maior parte do jornalismo é a confiança. Não parece que isso possa ser terceirizado para uma IA.

Fora do jornalismo, estou confiante de que a ideia de se clonar pode ser atraente. Chega de colocar o trabalho em dia depois de um feriado ou férias, porque uma versão sua pode estar sempre por perto, tirando dúvidas.

Teremos que ver como o uso de avatares evolui nas empresas americanas. Mas agora que tenho o meu, tenho sentimentos confusos. Depois que superei a novidade inicial, examinei meu avatar de perto depois que ele parou de falar e esperei – pelo quê, não tenho certeza. Talvez eu esteja esperando que ele pisque. Ou para dizer algo novo, ou para sorrir, ou apenas para me dizer que isso sabe.

Como meus gêmeos digitais são deterministas, eles nunca farão isso. Mas posso ver como seria fácil para alguém cair num toque de psicose de IA com alguém que fosse não determinístico, ou seja, alimentado por um chatbot que fosse livre para pontificar.

Disse a um investidor que, qualquer que seja o futuro dos gémeos digitais, prevejo que a minha geração, a Geração Z, provavelmente não se habituará a eles. Eles parecem ficção científica: tudo o que já vimos em um filme está aqui agora. Mas direi que acho os avatares digitais menos chocantes do que os humanóides. Pelo menos com um avatar, se as coisas ficarem estranhas, posso sempre fazer logoff.

Até então, porém, aqui está meu avatar pessoal, apresentando um resumo de todas as principais notícias do nosso site esta semana!