把文字换成出镜视频，Synthesia 的真正受众不是短视频创作者

AI产品考古 · 2026-10-13T12:30:09

提到 AI 生成视频，很多人先想到的是好莱坞式的影视镜头，或者社交平台上由虚拟网红批量生成的口播内容。但 Synthesia 从 2017 年创立开始，瞄准的就是另一个看起来没那么光鲜、却极其消耗人力的地方：企业里的培训文档、产品演示与内部沟通。 当时企业要把一份刚更新的员工操作手册或合规制度做成视频，流程非常繁琐。需要找拍摄场地、架灯光、请真人出镜，还要一遍遍录音、剪辑。只要下个月业务规则改了一行字，整个视频就得重新约人重录一遍。Synthesia 做的第一件事，就是把这个流程变成像编辑文档一样简单：只要在网页上输入文字脚本，挑一个现成的虚拟人形象，就能直接合成一段带着口型匹配的讲解视频。 到了 2023 年完成 9000 万美元 C 轮融资时，官方公布的数据里就已经有超过 5 万家企业客户，其中包含三分之一的《财富》百强企业。之所以能在 B 端站稳脚跟，核心在于它切中了跨国企业最头疼的本地化问题。同一套销售培训或客户支持视频，只要把脚本翻译成不同语言，同一个虚拟人就能操着多国语言讲出来，省去了去各个地区分公司分别找人配音录像的成本。 2024 年推出的 2.0 版本，进一步把这种思路做成了一条完整的内部生产线。企业用户可以直接导入现有文档或网页链接生成初版脚本，把录屏、品牌专属字体和视觉模板拼在一起，再配合官方通过明确同意审核制作的定制形象，让普通员工在浏览器里就能完成从录屏到出片的全部动作。 在 2026 年拿到 2 亿美元 E 轮融资、估值达到 40 亿美元时，它的定位已经非常明确地固化在企业知识与培训平台。它没有去拼长镜头的艺术表达或复杂的肢体动作生成，而是持续把工作流收拢在文档转脚本、屏幕录制、多语言切换和审核合规这些具体的日常操作里。