Что Vidu открыла на Reactor 2 ноября
2 ноября Vidu опубликовала новость о партнёрстве с Reactor, и Vidu S2-Avatar стоит там с первого дня. Собственный API Vidu тоже работает, так что путь к инструменту открыт по двум каналам.
Reactor это платформа для разработчиков вокруг генеративного медиа в реальном времени и world models: песочницы, API, живые сессии. Логика простая. Собираешь персонажа в песочнице, проверяешь, как он держит разговор, потом встраиваешь его в продукт через API.
Для рынка аватаров это заметный сдвиг. Раньше почти все инструменты обещали ролик: картинка, скрипт, готовый файл. Здесь продукт продаётся как сессия, где следующий ответ зависит от того, что сделает человек.
ИИ аватар из одной фотографии: что происходит в звонке
Персонаж собирается из одного фото. Задаёшь образ, в англоязычном интерфейсе это persona, он определяет роль и манеру поведения. Дальше выбираешь голос и начинаешь разговор.
На вход идёт микрофон. Персонаж слушает, отвечает голосом и видео с синхронизацией губ. Отдельной записи и монтажа нет: ответ собирается на ходу, пока человек говорит.
В видеорежиме персонаж получает картинку с веб-камеры. Это уже разговор с визуальным контекстом, и реплика может опираться на то, что человек показывает в кадре.
Одна деталь экономит время на практике. Созданного персонажа можно переиспользовать между звонками, фото повторно загружать не нужно. Для серии демо и тестов это важнее, чем кажется, потому что каждый повторный запуск с нуля съедает минуты.
Интерактивный персонаж, которого можно перебивать
Перебивать можно. Плюс есть текстовые команды, если голосом говорить неудобно или в комнате шумно.
Мелочь на первый взгляд, и на деле именно она отделяет разговор от плеера. Записанный ролик идёт дальше по таймлайну, что бы человек ни сказал. Живой ведущий на другом конце слышит, что его остановили, и возвращается к теме.
Vidu в анонсе честно снимает с себя часть ответственности. Логику ответов, достоверность информации и защиту от нежелательных тем обеспечивает разработчик. Модель даёт лицо, голос и губы, а знания и правила поведения приносит тот, кто её встраивает.
Это не формальность в дисклеймере. Аватар отвечает тем голосом, который ему выдали, и на той базе, которую к нему подключили. Пустая база означает пустые ответы, произнесённые с очень уверенным лицом.
Виртуальный ведущий, игры и обучение: сценарии от Vidu
Сам Vidu перечисляет виртуальных ведущих и персонажей, на которых влияет аудитория, интерактивные истории, ИИ-компаньонов, NPC в играх, обучение, онбординг и клиентский сервис.
Список широкий, польза разная. В играх и интерактивных историях ценность в реакции на игрока, и там задержка в полсекунды уже чувствуется. В онбординге и клиентском сервисе важнее другое: ответ должен совпадать с тем, что написано в регламенте.
Живой персонаж на входе в продукт работает как экскурсовод. Новый сотрудник спрашивает, где взять доступ и как оформить заявку, слышит ответ голосом компании и не ищет нужный абзац в базе.
Виртуальный ведущий в прямом эфире решает другую задачу. Если разработчик подключит чат, аудитория задаёт вопросы, а персонаж отвечает на них вслух и держит темп, а это ровно то, что записанная студия дать не может.
Чего в анонсе нет
Цены Vidu не назвала. Задержку ответа в цифрах не дала, список языков тоже не раскрыла. Независимых тестов синхронизации губ и скорости реакции на момент публикации не было, так что качество видно только по демо самой компании.
Для бюджета это значит одно. Смету придётся собирать после пробного звонка, потому что ставки за минуту разговора в анонсе нет.
Сравнивать живой персонаж с сервисом записи аватара рано по той же причине. Запись продаётся минутами и подписками, разговор продаётся сессиями, и без цены за сессию выбор остаётся вопросом вкуса.
Мой вывод: где живой персонаж окупается
Моя позиция такая. Аватар перестаёт быть роликом по сценарию и становится собеседником, и это меняет жанр целиком.
Бизнесу я бы смотрел на две точки. Первая это онбординг и внутренний FAQ, где вопросы повторяются сотнями и живого человека на них тратить глупо. Вторая это первая линия поддержки, если под рукой есть база знаний с проверенными ответами.
Там же лежит ограничение. Без надёжной базы знаний живой персонаж уверенно говорит ерунду, и цена такой ошибки выше, чем у плохого ролика, потому что ролик переснимают, а испорченный разговор уже случился.
Когда нужен человек, который произносит текст компании в записи, задачу закрывает говорящий аватар под ключ: кадр, озвучка и монтаж без живого съёмочного дня. Когда аватар только часть сцены, подойдут видео нейросетями по сценарию, там персонаж живёт внутри ролика.
Ещё два материала по теме. Разбор про аватар в реальном времени показывает, как та же идея работает на своём железе с задержкой в доли секунды, а обзор сервисов аватаров помогает сравнить подписки и лимиты минут.
Итог для практики: попробовать звонок стоит уже сейчас, а строить на живом персонаже клиентский путь рано, пока нет ни цены, ни замеров задержки.
