Joshua Xu, spoluzakladatel a CEO ve společnosti HeyGen – rozhovor

Joshua Xu je spoluzakladatel a CEO ve společnosti HeyGen, platformě, která umožňuje uživatelům snadno vytvářet studiové videa s avatary a hlasy generovanými pomocí umělé inteligence.

Vy jste spoluzakladatelem společnosti HeyGen v roce 2020 s vizí obnovit vizuální vyprávění pomocí umělé inteligence. Můžete sdílet, co vás inspirovalo k založení HeyGen a vaše počáteční vize pro tuto misi?

Předtím, než jsem založil HeyGen, jsem pracoval v reklamním týmu společnosti Snap, kde jsem vedl integraci umělé inteligence do platformy Snapchat. Později jsem přešel do týmu, který pracoval na AI-augmentované kameře. Bylo to v roce 2018 a umělé inteligence tehdy ještě nezískala tolik pozornosti jako dnes, ale náš tým tvrdě pracoval na vytváření položek pro obrázky a videa pomocí umělé inteligence, které tehdy ještě neexistovaly. Bylo tehdy, kdy jsem si uvědomil, že počítač může vytvářet vysoce kvalitní a realistické videa. Stal jsem se nadšeným z potenciálu této technologie a z toho, jak by mohla zcela změnit způsob, jakým lidé vytvářejí obsah.

Nové platformy pro obsah revolutionizovaly zavedení mobilní kamery. Viděli jsme, jak vznikly Instagram, Snapchat, TikTok a další platformy pro obsah, a jak odemkly nový způsob, jakým tvůrci obsahu mohou vytvářet personalizovaný, kvalitní obsah. Ale i s pomocí mobilní kamery existují stále bariéry pro vytváření prvotřídního obsahu. Některé z bariér, se kterými jsem se setkal, zahrnovaly: dovednosti pro práci před kamerou, čas a zdroje potřebné pro nahrávání videí a vysoké produkční náklady.

V HeyGen věříme, že kamera je nahraditelná. Rozvíjel jsem svou kariéru v oblasti mobilních kamer, kde jsem pracoval na softwaru a technologiích, aby bylo snadnější pro lidi vytvářet obsah. Ale tato publika stále bojuje s vytvářením kvalitního obsahu pouze pomocí mobilních kamer. Naše tým v HeyGen cítí, že pokud můžeme nahradit kameru, znamená to, že můžeme odstranit bariéru pro vizuální vyprávění a tvorbu obsahu, což nás posune dopředu.

Můžete diskutovat o výzvách, kterým HeyGen čelil v raných fázích a jak tým překonal tyto výzvy, aby dosáhl ziskovosti a rychlého růstu?

Pokud spotřebitelé jsou stále noví v oblasti generativní umělé inteligence, mají mnoho otázek týkajících se etické politiky HeyGen. Chceme znovu potvrdit, že politika a produkty HeyGen přísně zakazují vytváření neautorizovaného obsahu a že bereme zneužívání naší platformy velmi vážně.

Naše bezpečnostní opatření zahrnují pokročilou verifikaci uživatelů, včetně živé video konzence, dynamických verbálních hesel a rychlé lidské kontroly všech ověřování avatarů. Podle našich znalostí se dosud nestalo žádné zneužití od zavedení těchto protokolů. Důvěra a bezpečnost jsou pro nás kritické a aktivně spolupracujeme napříč průmyslem na vývoji nástrojů a osvědčených postupů nezbytných pro boj proti dezinformacím a zneužívání umělé inteligence.

Jak technologie HeyGen umožňuje firmám vytvářet videa 10krát rychleji a s nižšími náklady?

Když jsem založil HeyGen, zjistil jsem, že editace videí není drahá, ale najímání týmu pro produkci videa ano. Protože žijeme ve světě, kde je video na prvním místě, firmy chtějí zapojit své publikum pomocí videí, ale jsou omezeny náklady a složitostí produkce videí. HeyGen pomáhá firmám vytvářet profesionální videa, kompletní s text-to-speech avatary, které vyprávějí tyto videa od začátku. S generací videí HeyGen nemusíte mít studio, herecký soubor nebo specializované dovednosti, abyste vytvářeli videa pro svou firmu.

Když firmy odmítají najímat filmové týmy – nákup drahého vybavení, řešení problémů s herci, opakované záběry a náročné postprodukční úpravy – uživatelé HeyGen vytvářejí videa 10krát rychleji. Ušetřují tak čas a peníze a usnadňují škálování obsahu, který má dopad na jejich hospodářské výsledky.

Schopnost lokalizovat videa do 175+ jazyků a dialektů je působivá. Můžete vysvětlit, jak HeyGen dosahuje tohoto a udržuje přirozenou synchronizaci rtů a kvalitu hlasu?

Naše tým v HeyGen používá technologii text-to-speech. To znamená, že HeyGen převádí text, který napíšete, do audio souborů. Soustředili jsme se na to, aby kvalita generovaných videí byla nad naší hranicí, a chceme pomoci lidem nahradit skutečnou kameru a škálovat proces produkce obsahu.

S více než 40 000 platícími zákazníky, které vidíte nejvíce z jakéhokoli odvětví nebo typu firem?

HeyGen pomáhá našim více než 40 000 zákazníkům dělat tři věci: vytvářet, lokalizovat a personalizovat videa bez dodatečných nákladů spojených s najímáním produkční společnosti. Naše software získává popularitu mezi marketingovými týmy, kde určitě vidíme růst lokalizace.

McDonald’s a The Weather Channel jsou mezi vašimi významnými klienty. Můžete sdílet více informací o těchto spolupracích a výsledcích, kterých dosáhli pomocí HeyGen?

Kampaň “Sweet Connections” od McDonald’s byla pro náš tým zajímavá. Demonstruje technologii HeyGen, zejména naší funkci překladu. Vnučky nahrály zprávu v rodném jazyce své babičky pomocí naší technologie Video Translate. Ukázalo se světu, že umělé inteligence je pro každého, včetně babiček a jejich vnuků.

Také jsme spolupracovali s Programem OSN pro rozvoj (UNDP) na globálním projektu pro novou kampaň Weather Kids, vytvořenou ve spolupráci s Světovou meteorologickou organizací (WMO) a The Weather Channel. Kampaň byla součástí snah UNDP o zvýšení povědomí o dopadech změny klimatu a mobilizaci lidí po celém světě, aby přijali smysluplná opatření proti změně klimatu pro budoucí generace. Diváci mohli sledovat předpověď počasí pro rok 2050, kterou uváděli děti-meteorologové poháněné technologií HeyGen.

Obor generace videí pomocí umělé inteligence se rychle vyvíjí. Jaké budoucí aplikace nebo pokroky v technologii generace videí pomocí umělé inteligence předpovídáte a jak se HeyGen připravuje na tyto?

Pokud lidé mohou generovat zajímavý video obsah, budou přirozeně vytvářet více videí a každá firma chce zvýšit svou video produkci ve světě, kde je video na prvním místě. Pro HeyGen vidíme sami sebe vytvářející personalizovaná videa pro všechny naše zákazníky pomocí plnohodnotného avatara.

Jak si představujete roli umělé inteligence v širším poli digitálního vyprávění a tvorby obsahu v průběhu následujících pěti let?

Existuje mnoho možností. Lidé mohou nyní sestavit záběry a použít AI-driven editing, aby vytvořili vysoce kvalitní video. Pokud budeme pokračovat ve vývoji generativní umělé inteligence, můžeme výrazně zlepšit výkon. To by mohlo nakonec vést k tomu, že budeme moci zažít výsledky generativní umělé inteligence v oblasti streamování.

Jak bude generace videí pomocí umělé inteligence nakonec narušit filmový průmysl?

Pokud se HeyGen specializuje na přizpůsobení vlastních videí pro firmy, věříme, že lze vytvořit přesvědčivý a vysoce kvalitní obsah i bez mobilní kamery.

Když se jedná o umělecká odvětví, umělé inteligence určitě naruší filmový průmysl. Představte si svět, kde lidé lokalizují video. Tento přístup by mohl zahrnovat využití generativní umělé inteligence místo dalších nákladů na opakované záběry.

HeyGen nedávno úspěšně vybral 60 milionů dolarů v rámci série A financování, jak tohle ovlivní budoucí plány společnosti?

Pokud naše firma byla zisková od druhého čtvrtletí roku 2023, naše série A financování se zaměřila především na to, aby přivedla špičkové poradce a investory, kteří nám pomohou škálovat. To také pomůže urychlit náš produktový roadmap a rozšířit růst našich marketingových týmů se sídlem v LA, San Francisku, Palo Altu a Torontu.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit HeyGen.