Synthesia 花了十年录制虚拟形象。现在它想让它们回话。
Synthesia 的业务建立在一个简单的循环上。你写好脚本、选一个虚拟形象，然后得到一段主持人视频。公司表示，这个循环在世界上最大的企业视频平台中已经运行了近十年，并让 Synthesia 在 2025 年达到据报道 40 亿美元的估值，年经常性收入超过 1 亿美元。
2026 年 10 月 1 日，这个循环改变了方向。Synthesia 推出了 Sessions，一个用于与逼真虚拟形象进行双向对话的平台。两种会话类型当天上线，第三种宣布即将推出。
Roleplay Sessions 让用户置身于一场本应艰难的对话中。虚拟形象扮演客户、候选人或下属，并会提出反驳。销售团队练习需求挖掘和异议处理。管理者排练他们一直回避与某位员工的谈话。支持团队模拟升级投诉场景。每次尝试后，系统会指导参与者并为其打分。新功能让人们可以在练习前根据自身具体情境调整场景，还让公司能为自己反复出现的对话构建自定义角色扮演。
Survey Sessions 把表单变成访谈。虚拟形象一对一提出公司的问题，根据听到的内容进行追问，并交回结构化洞察。Synthesia 列出的预期用途包括员工反馈、客户洞察、离职与流失访谈、NPS 跟进以及产品研究。回答会以跨受访者的主题和情感倾向形式返回，任何单个回答都可作为文字记录、音频文件或 CSV 打开。
Expert Sessions 是仍在路线图上的那个：一个基于公司产品文档和内部流程训练的虚拟形象，能一步一步引导某人完成任务，并在其工作时回答问题。
这种产品形态的理由
Synthesia 首席技术官 Peter Hill 撰写了发布文章。他的框架是人员配置瓶颈，而不是一个技术故事。合适的人总是不够用，无论这个人是硬仗前指导每位销售代表的经理、访谈每位客户的研究员，还是引导每个遇到困难的用户的产品专家。通常的替代方案是：用录音代替排练、用表单代替访谈、用帮助文档代替手把手指导。
Hill 的履历让这个论点比一般发布文章更容易被认真对待。他在亚马逊和 AWS 工作了近 25 年，领导过 Kindle、Fire、Alexa 背后的团队，以及包括 Amazon Connect 和 WorkSpaces 在内的服务，之后又在 Wildlife Studios 担任 CEO 和 CPO。他此前曾大规模交付过对话系统。
Synthesia 愿意公布的早期数据不多，但很有针对性。在早期部署中，78% 的学习者不止一次尝试角色扮演，而在那些回来的人中，83% 在之后的尝试中提高了分数。请仔细看。真正重要的数字不是提升率，因为提升率是在选择回来的那部分人身上衡量的。重要的是 78% 的回访率。一个人人自愿重复使用的培训工具，与一个因为有人指派才完成的工具，是两种不同的产品。
Synthesia 还表示，主题洞察旨在显示哪些技能驱动绩效，而不仅仅是展示谁得分最高，并且每位员工都会获得建议的角色扮演来弥补自身差距。这是从报告到诊断的转变，也是学习与发展团队真正会评估的那部分推介。
两条路径，以及这种拆分为何重要
Synthesia 以两种方式销售同一项能力。Interactive Avatar API 面向那些想构建自己的虚拟形象产品并掌控技术栈的公司。Sessions 则是用于构成日常工作对话的现成平台。该公司将 API 描述为托管式流水线，这意味着团队可以自带语言模型、语音转文本和文本转语音，而不必自己运行渲染技术栈。
这种拆分比表面看起来更有意思。已有首选模型提供商的企业不想被告知该用哪一家，而对集成工作既没有兴趣也没有人力的企业则什么都不想构建。同时提供两者，让 Synthesia 不必只选择一种客户画像。会话级集成在同一天开放全栈 API，这表明公司认为随着时间推移，API 会是更低调但更大的业务。
合规细节值得注意，因为该产品涉及员工对话和客户访谈，这意味着录音、文字记录和个人数据。Synthesia 列出了 SOC 2 Type II、ISO 27001、27701 和 42001，以及 GDPR 合规。
这次发布未能解决的问题
有三个问题潜藏在这款产品的发布之下。
第一个问题是，交互质量在演示之外是否经得起考验。只有当虚拟形象的反驳真实且多样时，角色扮演才能产生技能迁移。一个太容易同意的虚拟形象什么都教不了，而一个按固定轨道争辩的虚拟形象会在两次尝试内被识破。Synthesia 尚未发布关于其角色扮演对手在不同场景中如何表现的独立评估，其部署数据描述的是重复使用，而不是学习成果。
第二个是记录保存问题。附在员工练习尝试上的分数，是关于某个人的数据点，由 AI 创建、存储在企业系统中，并可能被经理看到。78% 的学习者回访，在新闻稿中看起来是健康的。这也意味着大多数参与者都产生了一份记录，记录着他们处理得不好的一次对话，并且带有分数。这些记录存放在哪里、谁能看到、保留多久，是每个买家都必须做出的政策决定，而答案在例如销售赋能团队和人力资源部门之间会截然不同。
第三个是那些稀缺性构成整个前提的人类专家会怎样。如果 Synthesia 说得对，训练有素的虚拟形象能以人类通话成本的一小部分吸收重复性对话，那么需要真人的指导时刻就变成了昂贵的那个。对公司的客户来说，这是合理的取舍。但这也不可避免地是一个关于工作哪些部分会先被自动化的故事。
这让企业 AI 处于什么位置
Sessions 是一个有用的标志，因为它将虚拟形象产品从内容生成推进到工作流中。单向虚拟形象视频与摄像机、演播室和截止日期竞争。双向虚拟形象则与经理的日程竞争，比较的不再是制作成本，而是一个组织能否每天进行一千场练习对话并保留结果。
Synthesia 的赌注是，大多数组织做不到，而能回话的虚拟形象是比招聘更便宜的答案。交互质量水平是否足以证明这种替代合理，将取决于未来一年的部署情况。重复使用数字是一个有前景的初始信号。它还不是证据，表明这种练习让任何人在工作中变得更出色。