Joshua Xu, medgrundare och VD på HeyGen – Intervjuserie

Joshua Xu är medgrundare och VD på HeyGen, en plattform som möjliggör för användare att enkelt producera studio-kvalitetsvideor med AI-genererade avatarer och röster.

Du co-founded HeyGen 2020 med visionen att revolutionera visuell berättande genom AI. Kan du dela vad som inspirerade dig att starta HeyGen och din ursprungliga vision för denna mission?

Före att jag grundade HeyGen arbetade jag på Snaps annonsteam, där jag ledde integrationen av AI i Snapchat-plattformen. Senare bytte jag team för att arbeta på AI-förstärkt kamera. Det var 2018, och AI genererade inte lika mycket uppmärksamhet då som det gör nu, men vårt team arbetade hårt för att skapa objekt för bilder och videor med AI som inte fanns då. Det var då jag insåg att datorn kunde skapa högkvalitativa och realistiska videor. Jag blev entusiastisk över potentialen i denna teknik och hur den kunde förändra hur människor skapar innehåll.

Nya innehållsplatser har revolutionerat introduktionen av mobilkameran. Vi har sett Instagram, Snapchat, TikTok och andra innehållsplatser dyka upp och låsa upp en ny väg för innehållsskapare att skapa personliga, kvalitetsinnehåll. Men även med hjälp av en mobilkamera finns det fortfarande hinder för att skapa förstklassigt innehåll. Några av hindren jag upplevde inkluderade: på-kameran färdigheter, den tid och resurser som behövdes för att spela in videor och höga produktionskostnader.

På HeyGen tror vi att kameran är utbytbar. Jag har vuxit i min karriär inom mobilkamerarummet, där jag arbetade på programvara och teknik för att göra det lättare för människor att skapa innehåll. Men den publiken kämpar fortfarande för att skapa kvalitetsinnehåll enbart med hjälp av mobilkameror. Vårt team på HeyGen anser att om vi kan ersätta kameran, innebär det att vi kan ta bort hindret för visuell berättande och innehållsskapande, vilket ger oss ett försprång.

Kan du diskutera de utmaningar HeyGen stod inför i sina tidiga skeden och hur teamet övervann dem för att uppnå lönsamhet och snabb tillväxt?

Sedan konsumenterna fortfarande är nya för den generativa AI-branschen, har de många frågor som omger HeyGens etiska policy. Vi vill upprepa att HeyGens policys och produkter strikt förbjuder skapandet av obehörigt innehåll, och vi tar missbruk av vår plattform extremt allvarligt.

Våra säkerhetsskydd inkluderar avancerad användarverifiering, inklusive live-video-samtycke, dynamiska verbala lösenord och snabb mänsklig granskning av alla avatar-verifieringar. Såvitt vi vet har ingen missbruk inträffat sedan implementeringen av dessa protokoll. Förtroende och säkerhet är avgörande för vår verksamhet, och vi samarbetar aktivt över hela branschen för att fortsätta utveckla de verktyg och bästa metoder som behövs för att bekämpa desinformation och AI-missbruk.

Hur möjliggör HeyGens AI-teknik för företag att skapa videor 10 gånger snabbare och med mindre overhead?

När jag startade HeyGen lärde jag mig att redigera videor inte är dyrt, men att anställa en video-produktionsteam är. Eftersom vi lever i en video-först-värld vill företag engagera sina publik med video-innehåll, men de hindras av kostnaden och komplexiteten i video-produktion. HeyGen hjälper företag att generera professionella videor, fullständiga med text-till-tal AI-avatrar som berättar dessa videor från scratch. Med HeyGens video-generering behöver du inte en studio, ensemble eller specialiserade färdigheter för att skapa videor för ditt företag.

När företag avskedar filmteam – köper dyra utrustningar, hanterar krävande skådespelare, besvärliga omtagningar och besvärlig efterproduktion – skapar HeyGen-användare videor 10 gånger snabbare. Det sparar team tid och pengar och gör det lättare att skala upp innehållet som påverkar deras resultat.

Förmågan att lokalisera videor till 175+ språk och dialekt är imponerande. Kan du förklara hur HeyGen uppnår detta och upprätthåller naturlig läppsynk och röstkvalitet?

Vårt team på HeyGen använder text-till-tal-teknik. Det betyder att HeyGen omvandlar texten du skriver till ljudfiler. Vi fokuserade på att göra video-generering video-kvalitet över vår tröskel, och vi vill hjälpa människor att ersätta den faktiska kameran och skala innehållsproduktionsprocessen.

Med över 40 000 betalande kunder, vilka branscher eller typer av företag ser du mest antagande från?

HeyGen hjälper våra över 40 000+ kunder att göra tre saker: skapa, lokalisera och personifiera videor utan de extra kostnaderna som innebär att anställa en produktionsföretag. Vår programvara vinner popularitet bland marknadsföringsteam, där vi ser en ökning av lokalisering.

McDonald’s och The Weather Channel är bland dina noterbara kunder. Kan du dela mer information om dessa samarbeten och de resultat de uppnådde med hjälp av HeyGen?

“Sweet Connections” McDonald’s-kampanjen var spännande för vårt team. Den visade HeyGens teknik, särskilt vår översättningsfunktion. Barnbarn spelade in ett meddelande på sin mormors modersmål med vår Video Translate-teknik. Det visade världen att AI är för alla, inklusive mormödrar och deras barnbarn.

Vi samarbetade också med FN:s utvecklingsprogram (UNDP) i ett globalt projekt för deras nya Weather Kids-kampanj, skapad i samarbete med Världsmeteorologiska organisationen (WMO) och The Weather Channel. Kampanjen var en del av UNDP:s ansträngningar att öka medvetenheten om klimatförändringarnas påverkan och mobilisera människor över hela världen att vidta meningsfulla klimatåtgärder för framtida generationer. Tittare kunde se 2050-prognosen som levererades av Weather Kids: en specialprognos från år 2050 som ankrades av barn-meteorologer som drivs av HeyGen.

Det område av AI-video-generering utvecklas snabbt. Vilka framtida tillämpningar eller framsteg inom AI-video-teknik förutser du, och hur positionerar sig HeyGen för dessa?

Om människor kan generera engagerande video-innehåll, kommer de naturligt att skapa mer videor, och varje företag syftar till att öka sin video-utgång i dagens video-först-värld. För HeyGen ser vi oss själva skapa personliga videor för alla våra kunder med en fullkropps-avatare.

Hur ser du rollen för AI i det bredare fältet av digital berättande och innehållsskapande utvecklas under de närmaste fem åren?

Det finns många möjligheter där ute. Människor kan nu montera footage och använda AI-driven redigering för att skapa en polerad video. Om vi fortsätter på en väg framåt med generativ AI, kan vi förbättra tekniken och signifikant förbättra prestandan. Detta kan så småningom leda till att vi upplever resultaten av generativ AI-skapande i strömningsutrymmet.

Hur kommer AI-video-generering slutligen att störa filmindustrin?

Medan HeyGen specialiserar sig på att skapa anpassade videor för företag, tror vi att övertygande, högkvalitativt innehåll kan skapas även utan en mobilkamera.

När det gäller de kreativa konsterna, kommer AI definitivt att störa filmindustrin. Medan detta inte är HeyGens fokus, föreställ er en värld där människor lokalisera en video. Detta kan innebära att man använder generativ AI istället för att ådra sig extra kostnader på omtagningar.

HeyGen nyligen framgångsrikt höjde en 60M-serie-A-finansiering, hur kommer detta att påverka företagets framtida planer?

Eftersom vår verksamhet har varit lönsam sedan Q2 2023, var vår serie-A-finansieringsrunda främst inriktad på att bringa världsklass-rådgivare och investerare för att hjälpa oss skala. Det kommer också att hjälpa oss att accelerera vår produkt-vägkarta och expandera tillväxten av marknadsteam baserade i LA, San Francisco, Palo Alto och Toronto.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka HeyGen.