Joshua Xu, Współzałożyciel i Dyrektor Generalny w HeyGen – Wywiad

Joshua Xu jest Współzałożycielem i Dyrektorem Generalnym w HeyGen, platformie, która umożliwia użytkownikom tworzenie studio-quality wideo z wykorzystaniem AI-generowanych awatarów i głosów.

Powiązałeś HeyGen w 2020 roku z wizją rewolucjonizacji opowieści wizualnych za pomocą AI. Czy możesz podzielić się tym, co zainspirowało Cię do założenia HeyGen i Twoją wizją tej misji?

Przed założeniem HeyGen pracowałem w zespole reklamowym Snap, gdzie kierowałem integracją AI z platformą Snapchat. Później przeniosłem się do zespołu, który pracował nad AI-wzmocnioną kamerą. Był to 2018 rok, a AI nie przyciągało wtedy takiej uwagi, jak teraz, ale nasz zespół pracował ciężko, aby stworzyć elementy dla obrazów i wideo z wykorzystaniem AI, które nie istniały wcześniej. To było wtedy, kiedy zrozumiałem, że komputer może tworzyć wysokiej jakości i realistyczne wideo. Stałem się podekscytowany potencjałem tej technologii i tym, jak mogłaby całkowicie zmienić sposób tworzenia treści przez ludzi.

Nowe platformy treści rewolucjonizowały wprowadzenie kamery mobilnej. Widzieliśmy, jak pojawiły się Instagram, Snapchat, TikTok i inne platformy treści, które odblokowały nowy sposób tworzenia personalizowanych, wysokiej jakości treści przez twórców. Ale nawet z pomocą kamery mobilnej nadal istnieją bariery tworzenia pierwszorzędnych treści. Niektóre z tych barier, które doświadczyłem, to: umiejętności przed kamerą, czas i zasoby potrzebne do nagrywania wideo oraz wysokie koszty produkcji.

W HeyGen wierzymy, że kamerę można zastąpić. Rozwinąłem swoją karierę w przestrzeni kamery mobilnej, gdzie pracowałem nad oprogramowaniem i technologią, aby ułatwić ludziom tworzenie treści. Ale ta publiczność nadal ma trudności z tworzeniem wysokiej jakości treści wyłącznie z wykorzystaniem kamer mobilnych. Nasz zespół w HeyGen uważa, że jeśli możemy zastąpić kamerę, oznacza to, że możemy usunąć barierę tworzenia opowieści wizualnych i treści, co daje nam przewagę.

Czy możesz omówić wyzwania, z którymi HeyGen zmagał się na początku i jak zespół pokonał je, aby osiągnąć zyskowność i szybki wzrost?

Ponieważ konsumenci są nadal nowicjuszami w branży generatywnej AI, mają wiele pytań dotyczących polityki etycznej HeyGen. Chcemy powtórzyć, że polityka i produkty HeyGen surowo zabraniają tworzenia nieautoryzowanych treści, a my traktujemy nadużycie naszej platformy bardzo poważnie.

Nasze zabezpieczenia bezpieczeństwa obejmują zaawansowaną weryfikację użytkowników, w tym live video consent, dynamiczne hasła weryfikacyjne i szybką recenzję wszystkich weryfikacji awatarów przez ludzi. Według naszej wiedzy, nie wystąpiło żadne nadużycie od wdrożenia tych protokołów. Zaufanie i bezpieczeństwo są kluczowe dla naszego biznesu, a my aktywnie współpracujemy z całym przemysłem, aby dalej rozwijać narzędzia i najlepsze praktyki niezbędne do walki z dezinformacją i nadużyciem AI.

Jak technologia AI HeyGen umożliwia firmom tworzenie wideo 10 razy szybciej i z mniejszymi nakładami?

Kiedy założyłem HeyGen, dowiedziałem się, że edycja wideo nie jest droga, ale zatrudnienie zespołu produkcyjnego jest. Ponieważ żyjemy w świecie, w którym wideo jest na pierwszym miejscu, firmy chcą angażować swoją publiczność za pomocą treści wideo, ale są ograniczone przez koszt i złożoność produkcji wideo. HeyGen pomaga firmom generować profesjonalne wideo, w pełni z AI-generowanymi awatarami i głosami, które narrują te wideo od podstaw. Z HeyGen nie potrzebujesz studia, obsady, ani specjalistycznych umiejętności, aby tworzyć wideo dla swojej firmy.

Kiedy firmy rezygnują z zatrudniania ekip filmowych – kupowania drogiego sprzętu, radzenia sobie z kapryśnymi aktorami, marnowania czasu na ponowne nagrania i nudną edycję – użytkownicy HeyGen tworzą wideo 10 razy szybciej. To oszczędza czas i pieniądze zespołom i ułatwia im skalowanie treści, które wpływają na ich wyniki finansowe.

Możliwość lokalizacji wideo w 175+ językach i dialektach jest imponująca. Czy możesz wyjaśnić, jak HeyGen to osiąga i utrzymuje naturalną synchronizację ust i jakość głosu?

Nasz zespół w HeyGen wykorzystuje technologię text-to-speech. Oznacza to, że HeyGen konwertuje tekst, który piszesz, w pliki audio. Skoncentrowaliśmy się na tym, aby jakość generowanych wideo była powyżej naszego progu, a chcemy pomóc ludziom zastąpić prawdziwą kamerę i skalować proces produkcji treści.

Z ponad 40 000 płacących klientów, jakie branże lub typy firm widzisz najwięcej przyjęć?

HeyGen pomaga naszym ponad 40 000+ klientom robić trzy rzeczy: tworzyć, lokalizować i personalizować wideo bez dodatkowych kosztów, które wiążą się z zatrudnieniem firmy produkcyjnej. Nasze oprogramowanie zyskuje na popularności wśród zespołów marketingowych, gdzie zdecydowanie widzimy wzrost w lokalizacji.

McDonald’s i The Weather Channel są wśród Twoich znaczących klientów. Czy możesz podzielić się więcej szczegółami na temat tych współprac i wyników, które osiągnęli za pomocą HeyGen?

Kampania “Sweet Connections” McDonald’s była ekscytująca dla naszego zespołu. Podkreśliła technologię HeyGen, szczególnie naszą funkcję tłumaczenia. Wnuki nagrali wiadomość w ojczystym języku babci z wykorzystaniem naszej technologii Video Translate. Pokazało to światu, że AI jest dla wszystkich, w tym dla babć i ich wnuków.

Również współpracowaliśmy z Programem Rozwoju Narodów Zjednoczonych (UNDP) w ramach globalnego projektu dla ich nowej kampanii Weather Kids, stworzonej we współpracy z Światową Organizacją Meteorologiczną (WMO) i The Weather Channel. Kampania była częścią wysiłków UNDP, aby zwiększyć świadomość wpływu zmian klimatycznych i zmobilizować ludzi na całym świecie do podjęcia znaczących działań na rzecz przyszłych pokoleń. Widzowie mogli obejrzeć prognozę na 2050 rok przedstawioną przez Weather Kids: specjalną prognozę z 2050 roku poprowadzoną przez młodych meteorologów wspieranych przez HeyGen.

Czy możesz wyjaśnić, jakie przyszłe zastosowania lub postępy w technologiach wideo AI przewidujesz, i jak HeyGen przygotowuje się do tych?

Jeśli ludzie mogą generować angażujące treści wideo, będą naturalnie tworzyć więcej wideo, a każda firma chce zwiększyć swoją produkcję wideo w dzisiejszym świecie, w którym wideo jest na pierwszym miejscu. Dla HeyGen widzimy siebie tworzących personalizowane wideo dla wszystkich naszych klientów z wykorzystaniem pełnego awatara.

Jak wyobrażasz sobie rolę AI w szerszym polu opowieści cyfrowych i tworzenia treści w ciągu najbliższych pięciu lat?

Istnieje wiele możliwości. Ludzie mogą teraz montować fragmenty i wykorzystywać edycję AI, aby stworzyć wykończone wideo. Jeśli będziemy kontynuować ścieżkę przodu z generatywną AI, możemy znacznie poprawić wydajność. To mogłoby ostatecznie doprowadzić do doświadczenia efektów tworzenia AI w przestrzeni streamingowej.

Jak generacja wideo AI ostatecznie zakłóci przemysł filmowy?

Ponieważ HeyGen specjalizuje się w tworzeniu niestandardowych wideo dla firm, wierzymy, że przekonywujące, wysokiej jakości treści mogą być tworzone nawet bez kamery mobilnej.

Kiedy chodzi o sztuki twórcze, AI z pewnością zakłóci przemysł filmowy. Wyobraź sobie świat, w którym ludzie lokalizują wideo. Ten podejście mogłoby polegać na wykorzystaniu generatywnej AI zamiast ponoszenia dodatkowych kosztów na ponowne nagrania.

HeyGen niedawno pomyślnie zgromadził 60 milionów dolarów w ramach serii A, jak to wpłynie na przyszłe plany spółki?

Ponieważ nasz biznes był zyskowny od II kwartału 2023 roku, nasza runda finansowania serii A była głównie ukierunkowana na sprowadzenie światowej klasy doradców i inwestorów, aby pomóc nam skalować. To również pomoże nam przyspieszyć naszą mapę produktów i rozszerzyć wzrost zespołów rynkowych z siedzibą w LA, San Francisco, Palo Alto i Toronto.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić HeyGen.