丰色 发自 凹非寺

量子位 | 公众号 QbitAI
这两天，霉霉说中文的视频着实火了。
在各个平台的点赞数量be like：
而真相，才不是霉霉学会了中文，纯纯是AI在“捣鬼”！
对比原片，AI不仅完成了语言翻译，连声线也完美模仿、口型相当逼真，实在是让人叹为观止。
吓得网友都喊妈了：


另一个霉霉说中文的视频（cr: Gorden_Sun）效果也很不错：
还有赫敏、憨豆以及蔡明通通都来了个“开口跪”：

有网友直接称这才是“没有译制片腔调的翻译”，表示真人配音都达不到这样的高度。
嗯哼，甚至比真人配音还要省事“一万倍”：
如果你也想做，只需要上传你的视频、再选择要翻译的语言——就这么简单的两步，就可以了！
瞧瞧，连外国网友们也玩得不亦乐乎。

更令人称赞的是，这个火到国内外的🐂🍺神器，是国内诞生的产品，背后公司来自深圳。
（注：除了黑色礼服的霉霉视频，其余均源自于@johnhuu教英语）

一键视频翻译AI火了

此工具名称为HeyGen。
目前处于Beta测试阶段，在官网直接上传一段原视频即可。
其中：
文件支持3种类型：mp4、quicktime和webm；
文件大小最高支持1GB，时长不低于30s，不高于5分钟；
分辨率则需介于360x360到4096x4096之间。
为保证效果，HeyGen对视频内容本身也有两点要求：
1、尽量无背景音乐或噪音；
2、尽量避免多人。
上传以后，就可以选择你要翻译的语言了。
目前支持输出包含中英文等在内的15种语言（输入语言支持18种）。
除此之外，别的什么也不需要咱做。
当然，这个工具本身是付费的且不便宜（每月至少48美刀），免费试用只提供2分钟的视频翻译时长，且需要排队。
鉴于效果确实非常惊人，网友们也十分好奇HeyGen背后的技术。
结果也扒出来了：
基本是在开源方案基础上整合出来的（开源方案没有这么直接的一键效果）。
具体而言，根据推特博主@Gorden_Sun的总结：
文本翻译用的是GPT；
语音转文字用的是whisper；
声音克隆+生成新音频用的是so-vits-svc；
最后的口型匹配用的是GeneFace++。

背后公司来自深圳，7个月收入超百万

让人眼前一亮的是，HeyGen的背后是一家来自深圳的AI公司。
名叫诗云（surreal）科技，主营AIGC，成立时间为2020年11月。
从官网看其产品除了视频翻译，也有数字头像生成、AI脚本生成等服务。
其联合创始人兼CEO为徐卓（Joshua Xu），他硕士毕业于CMU计算机专业，本科毕业于同济大学，此前在Snapchat工作了六年，是该司前100号员工。
另一位联创兼CPO为梁望，硕士毕业于CMU人机交互专业，本科也来自同济大学，曾任字节跳动北美设计Lead。
除了他俩，其他核心成员也均来自国内外互联网大厂。
据介绍，公司目前已获两轮百万美元融资。
CEO在今年4月就发文透露：
HeyGen在7个月内实现了100万美元的ARR（年度经常性收入）。
而有推特网友（@MacroWang007）统计发现，就在今年9月，HeyGen还迎来了一波用户量的爆炸式增长（+91.77%）。
前途可谓不可估量，接下来他们还即将推出商业版的视频翻译服务。
不过，值得注意的是，从推特官网的介绍来看，HeyGen目前的base似乎改到了美国加州，目前在招聘的两个岗位工作地点也是在那边。

最后，再聚焦到HeyGen工具本身。
网友对其潜力无比赞不绝口，有的担心这会让假消息更加泛滥。
也有人表示：又一部分人可能要面临失业了。
不过，它的不足之处也还是有的，比如有网友指出感情有些缺乏、翻译质量一般等等。
且看未来如何改进。
试玩地址： https://labs.heygen.com/video-translate
参考链接：

[1]
https://twitter.com/Gorden_Sun/status/1716075577117929841
[2]https://twitter.com/Gorden_Sun/status/1716271766891573692
[3]https://weibo.com/3725773862/NoAIfp93p
[4]https://twitter.com/HeyGen_Official
— 完 —
「量子位2023人工智能年度评选」开始啦！
今年，量子位2023人工智能年度评选从企业、人物、产品/解决方案三大维度设立了5类奖项！欢迎扫码报名 
MEET 2024大会已启动！点此了解详情。
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~ 
继续阅读
阅读原文