A conversão de texto em fala (TTS) é a tecnologia do dia para a maioria dos assistentes de voz. Não faz diferença se alguém interage com Alexa, Siri, Google ou outros; as respostas geralmente são áudio TTS reproduzido em um alto-falante inteligente, telefone celular ou alto-falante de automóvel. O paradigma atual do assistente de voz de falar com uma caixa preta e receber uma resposta de voz sem corpo funciona com os modelos de interação atuais, mas isso não se traduz bem no metaverso que vemos no horizonte.
Entre em uma série de novas empresas iniciantes, todas em uma corrida para desenvolver “humanos virtuais” ou “gêmeos digitais”. Eles estão criando o que provavelmente será a próxima geração de interfaces conversacionais com base em interações digitais mais naturais, autênticas e humanísticas. Então, por que humanos virtuais e por que agora? Alguns fatores tecnológicos e socioeconômicos criaram a tempestade perfeita para síntese de vídeo em tempo real e humanos virtuais.
DRIVERS DE TECNOLOGIA
Quando comparadas às respostas conversacionais de TTS, não há dúvida de que as soluções de síntese de vídeo exigem cargas de trabalho maiores (CPU+GPU) para gerar vídeo e cargas úteis maiores (tamanho do arquivo) para fornecer vídeo. No entanto, o desempenho cada vez maior da CPU e da GPU e a maior disponibilidade aceleram o processo de síntese de vídeo na nuvem e na periferia. Além disso, os avanços no processamento em lote e no cache inteligente permitiram a síntese de vídeo em tempo real que rivaliza com as soluções TTS em velocidade de conversação. Portanto, o gargalo de gerar vídeos ultrarrealistas em tempo real foi abordado principalmente. Isso leva à entrega de vídeo em tempo real, que, graças às velocidades de banda larga via Wi-Fi e 5G, agora está disponível para a maioria das residências, empresas e escolas. Você pode ver a comparação no vídeo abaixo.
AJUDA (E CONTEÚDO) DESEJADOS
Empresas que exigem que os funcionários interajam com os clientes, como hotéis, bancos ou restaurantes de serviço rápido, estão tendo problemas para contratar e reter novos funcionários. A falta de funcionários disponíveis e qualificados pode prejudicar a percepção do cliente sobre a marca e gerar uma perda real de receita. Insira os humanos virtuais que podem lidar com solicitações básicas de forma rápida e consistente. Na Coreia, tanto o 7-11 quanto o KB Bank instalaram quiosques de IA que dependem de um humano virtual para interagir com os clientes. A implementação do 7-11 apóia uma operação sem homem (ou sem mulher).
Outra vertical promissora para humanos virtuais é a mídia, tanto a mídia de transmissão quanto a mídia social (influenciadores). Seja transmitindo notícias 24 horas por dia ou permanecendo relevante no TikTok, a necessidade é a mesma: gerar mais conteúdo de vídeo e torná-lo mais rápido. Mais uma vez, a Ásia assumiu a liderança com humanos virtuais. Emissoras de televisão como MBN e LG HelloVision complementam suas transmissões ao vivo com versões Virtual Human de seus principais âncoras, que fornecem atualizações regulares de notícias ao longo do dia. Usando chamadas de API ou uma interface web intuitiva de “o que você digita é o que você obtém”, vídeos com humanos virtuais podem ser feitos em minutos sem precisar de uma câmera, equipe, luzes, maquiagem etc. Uma ferramenta que economiza tempo e custos que pode ser misturada ao longo do dia para manter o conteúdo atualizado.
“Qual é a nossa estratégia para o Metaverso?” Essa pergunta está sendo feita em salas de conferência em todos os setores. É fácil imaginar como as marcas que utilizam os humanos virtuais 2D de hoje para receber pedidos, ajudar e compartilhar notícias evoluirão rapidamente para serem as primeiras pioneiras do mundo 3D e do metaverso. Durante todo o ano, assista a alguns grandes anúncios neste espaço.
