Joshua Xu, Medstifter og CEO hos HeyGen – Intervju-serie

Joshua Xu er medstifter og CEO hos HeyGen, en platform, der giver brugerne mulighed for at producere studie-kvalitetsvideoer med AI-genererede avatarer og stemmer.

De co-foundede HeyGen i 2020 med visionen om at genopfinde visuel fortælling gennem AI. Kan du dele, hvad der inspirerede dig til at starte HeyGen, og hvilken var din oprindelige vision for denne mission?

Før jeg co-foundede HeyGen, arbejdede jeg på Snaps reklamehold, hvor jeg ledte integrationen af AI i Snapchat-platformen. Senere skiftede jeg hold for at arbejde på AI-forstærket kamera. Det var i 2018, og AI fik ikke så meget opmærksomhed dengang som nu, men vores hold arbejdede hårdt for at skabe elementer til billeder og videoer med AI, som ikke eksisterede dengang. Det var da, jeg indså, at computeren kan skabe højkvalitets- og realistiske videoer. Jeg blev begejstret for potentialet i denne teknologi og hvordan den kunne ændre, hvordan mennesker laver indhold.

Nye indholdsplattformer har revolutioneret introduktionen af mobilkameraet. Vi har set Instagram, Snapchat, TikTok og andre indholdsplattformer opstå og låse op for en ny måde for indholdsskabere at skabe personligt, kvalitetsindhold på. Men selv med hjælp fra et mobilkamera er der stadig barrierer for at skabe førsteklassesindhold. Nogle af barrierne, jeg oplevede, omfattede: kamerafærdigheder, den tid og ressourcer, der er nødvendige for at optage videoer, og høje produktionsomkostninger.

Hos HeyGen tror vi, at kameraet kan erstattes. Jeg har udviklet min karriere i mobilkamera-rummet, hvor jeg arbejdede på software og teknologi for at gøre det lettere for mennesker at skabe indhold. Men den målgruppe kæmper stadig for at skabe kvalitetsindhold udelukkende ved hjælp af mobilkameraer. Vores hold hos HeyGen mener, at hvis vi kan erstatte kameraet, indebærer det, at vi kan fjerne barrieren for visuel fortælling og indholdsskabelse, hvilket giver os et skridt frem.

Kan du diskutere de udfordringer, HeyGen stod overfor i sine tidlige faser, og hvordan holdet overvandt dem for at opnå profit og hurtig vækst?

Siden forbrugerne stadig er nye i den generative AI-industri, har de mange spørgsmål omkring HeyGens etiske politik. Vi ønsker at gentage, at HeyGens politikker og produkter strengt forbinder skabelsen af uautoriseret indhold, og vi tager misbrug af vores platform meget alvorligt.

Vores sikkerhedssystemer omfatter avanceret bruger-verificering, herunder live-video-samtykke, dynamiske verbale adgangskoder og hurtig menneskelig gennemgang af alle avatar-verificeringer. Så vidt vi ved, er der ikke sket nogen misbrug siden implementeringen af disse protokoller. Tillid og sikkerhed er kritiske for vores forretning, og vi samarbejder aktivt på tværs af industrien for at fortsætte med at udvikle de værktøjer og bedste praksis, der er nødvendige for at bekæmpe misinformation og AI-misbrug.

Hvordan giver HeyGens AI-teknologi virksomheder mulighed for at skabe videoer 10 gange hurtigere og med færre omkostninger?

Da jeg startede HeyGen, fandt jeg ud af, at video-redigering ikke er dyrt, men at hyre en video-produktionshold er. Fordi vi lever i en video-først-verden, ønsker virksomheder at engagere deres publikum med video-indhold, men de er begrænsede af omkostningerne og kompleksiteten ved video-produktion. HeyGen hjælper virksomheder med at generere professionelle videoer, komplet med tekst-til-tale AI-avatarer, der fortæller disse videoer fra scratch. Med HeyGens video-generering har du ikke brug for et studie, cast eller specialiserede færdigheder for at skabe videoer til din virksomhed.

Når virksomheder dropper hyring af filmhold – køb af dyrt udstyr, besvær med krævende skuespillere, besværlige genoptagelser og irriterende efterproduktion – skaber HeyGen-brugere videoer 10 gange hurtigere. Det sparer hold tid og penge og gør det lettere at skala op for det indhold, der påvirker deres bundlinje.

Evnen til at lokaliserer videoer til 175+ sprog og dialekter er imponerende. Kan du forklare, hvordan HeyGen opnår dette og fastholder naturlig lip-sync og stemkvalitet?

Vores hold hos HeyGen bruger tekst-til-tale-teknologi. Dette betyder, at HeyGen konverterer den tekst, du skriver, til lydfiler. Vi fokuserede på at gøre video-generering af video-kvalitet over vores threshold, og vi ønsker at hjælpe mennesker med at erstatte det faktiske kamera og skala indholdsskabelsesprocessen.

Med over 40.000 betalende kunder, hvilke brancher eller typer af virksomheder ser du mest adoption fra?

HeyGen hjælper vores mere end 40.000+ kunder med at gøre tre ting: skabe, lokaliserer og personliggøre videoer uden de ekstra omkostninger, der er forbundet med at hyre en produktionsvirksomhed. Vores software er populær blandt marketing-hold, hvor vi ser en stigning i lokaliseringsomkostninger.

McDonald’s og The Weather Channel er blandt dine bemærkelsesværdige kunder. Kan du dele mere detaljer om disse samarbejder og de resultater, de opnåede ved hjælp af HeyGen?

“Sweet Connections”-kampagnen fra McDonald’s var spændende for vores hold. Den fremhævede HeyGens teknologi, især vores oversættelsesfunktion. Børnebørn optog en besked på deres bedstemors modersmål med vores Video Translate-teknologi. Det viste verden, at AI er for alle, herunder bedstemødre og deres børnebørn.

Vi samarbejdede også med FN’s udviklingsprogram (UNDP) om et globalt projekt for deres nye Weather Kids-kampagne, skabt i samarbejde med Verdens meteorologiske organisation (WMO) og The Weather Channel. Kampagnen var en del af UNDP’s bestræbelser på at øge bevidstheden om klimaforandringer og mobilisere mennesker over hele verden til at tage meningsfuld klima-handling for fremtidige generationer. Seerne kunne se 2050-udsigten leveret af Weather Kids: en særlig udsigts-udsendelse fra år 2050, hvor vær-meteorologer blev drevet af HeyGen.

Det felt af AI-video-generering udvikler sig hurtigt. Hvad fremtidige anvendelser eller fremskridt i AI-video-teknologi forudser du, og hvordan positionerer HeyGen sig selv for disse?

Hvis mennesker kan generere engagerende video-indhold, vil de naturligvis skabe mere video-indhold, og hver virksomhed ønsker at øge sin video-udgang i dagens video-først-verden. For HeyGen ser vi os selv skabe personlige videoer til alle vores kunder ved hjælp af en fuld-krop-avatar.

Hvordan forestiller du dig, at AI’s rolle i det bredere felt af digital fortælling og indholdsskabelse vil udvikle sig over de næste fem år?

Der er mange muligheder derude. Mennesker kan nu samle billeder og bruge AI-drevet redigering til at skabe en poleret video. Hvis vi fortsætter på en vej fremad med generativ AI, kan vi avancere teknologien og betydeligt forbedre ydelsen. Dette kan til sidst føre til, at vi oplever resultaterne af generativ AI-skabelse i streaming-rummet.

Hvordan vil AI-video-generering til sidst forstyrre filmindustrien?

Da HeyGen specialiserer sig i tilpassede videoer til virksomheder, tror vi, at overbevisende, høj-kvalitetsindhold kan skabes, selv uden et mobilkamera.

Når det kommer til de kreative kunstarter, vil AI bestemt forstyrre filmindustrien. Selv om dette ikke er HeyGens fokus, forestil dig en verden, hvor mennesker lokaliserer en video. Denne tilgang kunne indebære at udnytte generativ AI i stedet for at påføre ekstra omkostninger på genoptagelser.

HeyGen har nyligt med succes hævet en $60M Series A-finansiering. Hvordan vil dette påvirke selskabets fremtidige planer?

Da vores forretning har været profitabel siden Q2 i 2023, var vores Series A-finansieringsrunde primært fokuseret på at bringe verdensklasse-rådgivere og investorer til at hjælpe os med at skala. Det vil også hjælpe os med at accelerere vores produkt-vej og udvide væksten af markedshold i LA, San Francisco, Palo Alto og Toronto.

Tak for det gode interview. Læsere, der ønsker at lære mere, skal besøge HeyGen.