让郭德纲飙英文、让霉霉说中文的翻译视频生成工具HeyGen和掀起AI证件照热潮的“妙鸭相机”一样,在一阵疯狂刷屏之后,又迅速在各大群里销声匿迹了。
十月份,由HeyGen制作的各种明星跨语言翻译视频,在全网疯传,大家震撼于AIGC地道的中英文表达,完全没有译制片的腔调,惟妙惟肖的音色还原、高度对齐的口型声音,让不少人表示,“真的有被吓到”“配音演员要失业了”……
太阳底下无新事,这个现象级AIGC应用,也逃不过“速朽”的命运。
如今我所在的LLM大模型讨论群里,偶尔有人发一个中英翻译视频,根本无人讨论,可能大多数人连点开看看,都提不起兴趣。
大众的新鲜感很快会过去,“明星译制片”只有看个乐子的娱乐属性,并不是高频刚需,猎奇尝鲜之后,到了真金白银付费的时候,自然风过了无痕。
这一年,大模型无疑是全球最大的热点。但热归热,最终在商业市场立足的大模型应用仍然稀少。
明明已经是“百模争艳”,为何成功产品化的现象级应用,就那么几个?
而这些产品成熟也不缺热度的爆款AIGC应用,为何无法将流量转化为持久的经济效益,商业化仍是一团迷雾?
本文希望从“AI译制片”这个小切口,探讨一下大模型的产品化条件和商业化迷思。
一夜爆红,是产品化的胜利
首先要明确一点,妙鸭也好,HeyGen也好,AIGC应用的一夜爆红,对于大模型产业来说,绝对是一件正面的事。
大模型只是一种基础技术,相当于钢材,大模型厂商相当于炼钢厂,还要有人设计出洗衣机、跑步机、微波炉等一个个具体的产品,新技术才能为人所用。
而HeyGen的一夜爆红,正是产品化的胜利。
技术原理上,跨语言翻译视频制作并不是什么新事物,业内已经有很多科技公司、影视公司、后期制作公司在探索并推出了专业级工具平台。
简单来说,就是升级版的TTS(Text To Speech)技术。利用大语言模型对文本进行更地道的翻译,然后对声音空间进行更好的建模,训练一个跨语种迁移TTS模型,让风格迁移、音色迁移、情感迁移更加鲁棒,合成的语音更加自然、还原。
这种技术的特点就是高效,整个翻译过程全自动化,可以批量生成翻译视频。不过在自然度和表现力细节上,还是不如真人配音演员的演绎那么细腻、有创造力。
总结一下就是,HeyGen背后的技术原理,并非什么独家秘籍。
其火爆的原因,是极高的产品化能力。
一般来说,AI技术的产品化,要经历三个步骤:
第一步:选择工具。
工欲善其事,必先利其器,工具是开发人员喜欢花费大量时间争论的话题。HeyGen的工具选择,是比较务实的,甚至看起来特别“小白”,那就是头部闭源模型+开源“大礼包”。
有网友扒出,HeyGen是用Whisper将语音转文字,GPT4(目前未开源)进行文本翻译,声音克隆+生成音频用so-vits-svc,最后用GeneFace++,将翻译后的语音与视频中说话者的嘴唇动作同步。
大模型热潮以来,我们看到了许多开发者在衡量和挑选“最好”的大模型,而市面上有各种不同的基座模型供应商,提供类似的竞品服务,开发者想要找到绝对意义上最好的工具,几乎不可能。这些底层工具如基座模型、编程语言等,先进性都可能变化。选择好相对较优的工具组合,然后快速去开发demo、验证想法、迭代升级,才是开发者最应该做的。
第二步:原型设计。
HeyGen选择的工具,无论是GPT4的API,还是开源模型,都是比较容易获取的,但大多数普通人都不会从搜索GitHub仓库、处理软件bug中获得多少乐趣。
就拿跨语种视频翻译来说,其中涉及了多模态内容的翻译,包括语音、文本以及视频,在字幕翻译、语音合成、智能配音方面,目前都有很好的自动化,但将多模态功能集成到一起,实现端到端一键翻译的产品还不多见。
所以,HeyGen构建了一个简单易上手的访问界面,通过集成多种模型、多种工具,降低了翻译门槛,用户只需要上传初始视频-选择目标语言-一键输出,就可以坐等声音克隆完成了。
HeyGen的核心价值,就是让非技术用户不必陷入繁多的技术细节中,不需要安装N多个额外的工具,就可以与多个模型交互,完成转写、翻译、配音、图像处理、音画同步等一大堆复杂的事情,轻松进行高维度、可交互的内容创作。
第三步:产品化。
明星、名人的跨语言翻译视频固然精彩,但只是一种用例,并且只能停留于C端用户玩梗,涉及自然人的声音、肖像等版权问题,是无法大规模普及并商用的。所以,虽然明星译制片带火了HeyGen,但HeyGen想要将产品投放市场并发挥价值,还需要更有说服力的产品力。
从HeyGen官网可以看到,数字人+跨语言翻译视频,才是HeyGen的核心产品力,并给出了跨境电商营销视频、跨语种品牌宣传、老师制作教学视频、社交媒体吸粉、为生日婚礼等纪念日制作令人难忘的个人视频等,一系列落地场景。
在此基础上,HeyGen让数字人跨语言翻译视频,可以通过自动化流水线来制作。
用户可以上传自己的照片,进行个性化形象定制,也可以在HeyGen提供的数字人素材和模板中选择,输入脚本后就能生成自己所需的多语种视频了。
至此, HeyGen顺利完成了AI译制产品化的转换,从而取得了巨大的成功,导致了“多年译制无人问,一朝HeyGen天下知”的景况。
从AI写真到AI译制片的爆火,一次次说明,产品化是承上启下、不可或缺的一步,再怎么强调也不为过。
可以肯定地说,不能完成从技术到原型设计再到产品化的转换,将是许多大模型投资回报率低的主要原因,也是许多AI创业项目失败的原因之一。
难逃“速朽”命运,商业化的魔咒
然而,即便如此成功的产品化,HeyGen又一次重复了“妙鸭”前辈的故事,在访问量陡增之后,又很快在各大群里销声匿迹了。
公域流量的退潮,似乎是爆款AIGC应用的共同命运。
对此,有人认为,HeyGen是在“闷声发大财”。虽然猎奇玩家散去了,但留下来的用户还是给HeyGen贡献了收入增长,HeyGen连续九个月环比增长率在50%以上。创始人Joshua Xu也在社交媒体上公布了相关数据,仅七个月时间,ARR年度经常性收入就达到了100万美元。
问题来了,HeyGen的商业化潜力是可持续的吗?
我们认为,HeyGen将要面临的商业化挑战,还是非常大的。
首先,技术工具无法被垄断,仅靠多模态AI无法建立商业模式。
HeyGen凭借大模型强大的多模态和理解能力,让跨语种翻译视频制作,达到了传统AI译制所望尘莫及的水平,这是非常厉害的工作。但大模型就像c++、数据库一样,只是一种新技术工具,它是无法被垄断的。HeyGen所使用的开源工具极易获得,闭源模型API也敞开了迎客,所以仅靠底层工具无法建立商业模式和竞争壁垒。
而产品创意、交互界面的开发门槛并不高,大量科技企业和个人开发者都可以轻松复刻并优化升级,产品被超越或许只在旦夕之间。
如今点开海外科技媒体的报道页面,会看到类似HeyGen(原movio)的视频生成工具,推荐清单高达95个之多。可以说,HeyGen提供了一个宝贵的AIGC用例,但很快就开启了一场白热化竞争,这对其后续收入的持续增长是很大的威胁。
其次,C端付费刚性,B端行业壁垒深,收入增长曲线会放缓。
目前,HeyGen收入主要靠C端客户付费。免费版本只支持一个免费的credits字幕,显然仅供玩票,而最低的创作者(Creator)付费档也要24美元/月,对于个人博主来说虽然不算太贵,但随着一大堆同质化产品的价格“内卷”,未来也会面临性价比不高的窘况。
而商业用户(business)虽然付费能力强、价格接受度高,但对跨语言视频翻译的技术含金量则要求更为复杂。将HeyGen商业版本的客户,大多是制作电商营销广告、语言学习数字人、多语种新闻播报、译制片等,对翻译质量就会提出更为细粒度的要求,比如文本翻译的长度,要尽量和目标语言接近,来保持说话口型的一致性。还有,不同人说话的韵律不一样,停顿的位置、重音的位置都要对齐,才能高度还原个人风格。
再比如,老人、小孩说同一个文本时,因为角色人设的不同,遣词造句也应该不一样,翻译后的文本、语音都需要跟人设相对齐。
还有很多文化细节,是跨语种翻译中要进行强把控的,很多还是要人工译者去完成。毕竟商用场景不同于娱乐场景,跨语言容易产生歧义,一旦出现1%的错误,都可能让做对的99%工作打了水漂,面临丢单甚至海外市场合规风险。
所以说,商业用户需要复杂、高质量、高控制的产品。这就需要厂商在数据方面,尤其是小语种等少样本数据,有独家的、高质量的数据积累。模型训练,强行业知识等,都要长期积累和迭代,达到专业译者的水平。
目前,已经有AI公司针对精品化视频译制的需求,推出了ToB的产品解决方案,训练跨语种 Voice Conversion模型,采集配音演员的口型,由人工控制,再经由VC模型生成配音结果,比TTS模型的表现力更强,细节保留更多。
目前国内的AI巨头都很重视B端市场,资源充足,并且在机器翻译TTS、多模态AI技术方面的积累深厚,都可能是HeyGen商业用户的争夺者。
大模型的产品创新风口,才刚刚开始,要保持商业化的优势身位,如逆水行舟,“当红顶流”也不能掉以轻心。
爆款应用“速生速朽”,大模型的商业迷思
2022年11月30日,ChatGPT问世,在一周年刚刚过去之际,这场大语言模型的热潮,将所有人都席卷其中。或许还有人无知无觉,但也注定无法置身事外。
一年以来,时常有妙鸭相机、HeyGen这样的爆款应用,在社交媒体刷屏。这证明了几件事:
1.大模型是条件,而不是结果。运用好这些新工具,创造新产品的人,会获得新时代里无限多的机会。
2.基建是问题,但也不是问题。提到大模型,业界总会担忧算力卡被限制,国产大模型能力有差距,但悲观者正确,乐观者前行。实际上,无论算力基建、开发工具、基座模型,在今天都不是,也不该是应用开发者的阻碍。
业内有人说过,国产卡只要达到N卡60%的性能,用户就会买单。而一些开发者告诉我,密集使用了文心一言、讯飞星火等国产大模型,基础逻辑推理确实能叫板GPT 3.5-turbo,非基础能力比如func call、稳定性等也可圈可点。而妙鸭、HeyGen也都是中国企业所开发的,行动比洞见更重要。
3.产品化,是大模型商业化的必要条件。做了那么多通用大模型和行业大模型,如果没有大量产品化的成果,是无法转化为使用价值和经济效益的。“改变世界”的不是大模型,而是各种各样的产品,无数个HeyGen,帮助开发者完成从原型设计到产品化的转换,降低试错成本,将是接下来大模型厂商最重要的动作。
4.建立商业壁垒的,是刚需场景+强业务知识/数据+软件工程。HeyGen的商业化挑战,说明大模型不是壁垒,产品也不是壁垒,这些都是很容易被复制的。而行业知识/数据,大规模软件工程的流程控制、降本增效,可以针对特定场景的需求深入挖掘、快速开发、快速迭代优化,才符合AI技术特性,才是商业化的保障。
几位行业大模型应用的开发者,不约而同地跟我说过一件事:先找到场景,再优化产品和服务。也就是先想好商业变现的路线,确定自己的壁垒达到了,再去扎扎实实做产品,心里才能不慌。
比如一个ToC的民宿大模型,解决的是旅客入住民宿时,管家介入太深显得没有边界感,过度打扰;管家介入太浅,又缺乏服务价值感,无法及时解决问题。基于大模型的语音交互助手,就在旅客和管家之间,起到了很好的缓冲桥梁作用,让服务恰到好处。而旅客在当地的餐饮、游玩、购物等活动,也都是围绕“住”展开的,通过民宿大模型提供优质可靠的推荐服务,也带来了商业转换的潜力。
一个ToB的金融大模型应用开发者也表示,企业机构内部的多样化需求,是不可能由一个通用的、标准化的软件产品来承载的,所以ToB大模型创业,既要做业务分析咨询,又要做软件开发写代码,才能真正服务好客户。AI软件开发的流程化、自动化,对于控制成本非常重要,不能每个项目都靠一群博士“手搓”代码。
对商业和场景的深刻洞察,对行业和客户的理解,比掌握算法、掌握技术都要难得多,也是开发者最应该重视的核心能力。
最后我想说,虽然大模型已经非常火了,但别急着担心“泡沫”、害怕“追高”,这才是开始。
国际咨询机构的调查报告显示,65%的受访者目前有时或很少使用生成式人工智能,而约占90%的受访者认为,AI应该被“经常或总是”使用。
也就是说,大众对机器学习和生成式 AI (gen AI)的接受度很高,而实际渗透率并不高。妙鸭、HeyGen等现象级Gen AI产品,无疑迈出了一大步,而只有它们,是远远不够的。
爆款AIGC应用,只是AI和大模型价值潜力的一小部分。目前还没有一种商业模式长期跑通,恰恰说明技术的新大陆上,留给登陆者、建设者们的发挥空间还很大。
免责声明:此文内容为第三方自媒体作者发布的观察或评论性文章,所有文字和图片版权归作者所有,且仅代表作者个人观点,与极客网无关。文章仅供读者参考,并请自行核实相关内容。投诉邮箱:editor@fromgeek.com。
免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。