全
在AI应用领域，HeyGen是一家不容忽视的公司。
这家公司的特殊之处在于，正当所有人还在探索AI落地方向时，HeyGen迅速找到了PMF，并取得了可观的商业化成绩。
今年6月，HeyGen的创始人徐卓表示，过去一年，公司年化经常性收入从100万美元增长至逾3500万美元，付费客户超过4万名。
回顾HeyGen的发展历史，我们或许能从中获得一些AI应用落地不错的启示。
HeyGen如何找到PMF？
HeyGen一经推出，就成为Product Hunt上AI和营销类别的月度最佳产品。
HeyGen的功能很简单，用户可以快速创建2D数字人Avatar（Avatar指用户在虚拟世界中的虚拟化身），生成高逼真度的数字人语音视频，定制化人物形象、工作服装等，还能通过声音克隆功能生成使用自己语音的AI视频。
从价格上来看，HeyGen提供了两种灵活的付费模式：24美元/月及120美元/月，以满足不同用户群体的需求。对于有特殊定制需求的用户，HeyGen还提供了专门的定价方案。
但就是这样一款看上去平平无奇的产品，却取得了极佳的商业化成果。在推出后的7个月内，就实现了100万美元的ARR，同时保持了50%的月增长率。截至2023年4月，HeyGen已实现盈利，ARR涨到1000万美元。
今年6月，HeyGen的创始人徐卓表示，公司已经获得4万多名付费客户，过去一年，公司年化经常性收入从100万美元增长至逾3500万美元，并且自2023年第二季度以来一直保持盈利。
突出的商业化成绩，也帮助HeyGen拿到了可观的融资。
今年6月，HeyGen在官网宣布完成A轮6000 万美元融资，本轮融资由硅谷顶级风投Benchmark Captail领投，参投机构还包括Conviction、Thrive Capital 以及Bond Capital 等。其投后5亿美元的估值，相比上一轮的7500万美元的估值高出了6倍多。
算上这轮融资，HeyGen已至少累计筹到1.2亿美元。
回顾HeyGen的发展历史，大致可以归为AI相机、AI数字人、多语言视频创作三个阶段：
HeyGen公司是在2020年12月创立，当时AIGC的概念距离真正落地还有很长时间，但公司创始人徐卓坚信AI可以生成高质量的内容。
这源于其在Snap的工作经历。在Snap工作的期间，徐卓一直在从事人工智能相机的工作，即利用大量的AI技术来增强相机体验。从那时开始，徐卓就坚信，AI可以创建内容，AI可以成为新的相机。
在这一理念下，早期的HeyGen有了以下定位：
定位：打造每个人的专属AI数字人；
产品价值：让用户能够以更低的成本完成高质量的内容创作；
实现方式：用AI取代视频制作中的拍摄环节，将视频制作从传统的拍摄转变为AI生成。
在早期，HeyGen没有急着攻克产品，而是先校验市场。2022年，HeyGen在自由职业者协作平台Fiverr上提供AI生成的视频，以低于市场的价格和极快的交付时间吸引了客户，成功打入代言人视频服务市场，HeyGen也是从那个时候明确了AI数字人产品。
▲麦当劳6月的活动，基于HeyGen的技术，用户可以用奶奶的形象录制AI视频，并在视频中使用奶奶的母语
明确AI数字人产品定位后，HeyGen接着尝试向多语言视频创作与翻译工具拓展。2023年9月，HeyGen推出了视频翻译功能，这一功能使视频在卡点、音色、嘴型等方面都能实现较好的匹配。也就是这一项炸裂更新，让HeyGen在社交媒体上引起了更大范围的关注。
至此，HeyGen的产品逐渐打磨成型，并获得了市场的认可。
/ 02 /
不死磕视频模型，只做“最后一公里”
与AI视频领域的很多公司不同，HeyGen没有自研模型。公司创始人在访谈中透露过，公司只做整个视频技术栈，包括Avatar创建、视频渲染和视觉生成。
HeyGen创建AI视频时，技术栈将一个任务拆分成不同的部分，利用现有的视频模型解决主要任务（画面），然后逐个解决其他部分（人声、音乐等），最后用编排引擎把它们组装成最终视频。
为了完成文本、语音、视频的部分，他们分别用到了三个模型，至于视频模型，他们并没有透露。
这一模式下，每一个部分都分配给专用工具去做，保证了每个部分的稳定性和质量。也就是说，HeyGen只需要把生成的所有素材组合起来，用AI编辑来生成最终的视频版本。
在这个工作流中，对口型是完成AI视频的“最后一公里”。凭借口型和动作等自然的动态，静态图就可以变成高质量、长时间的视频，并能花费更少的成本。“赫本讲话”、“高启强化身罗翔普法”等视频的制作都只需要动动手指，效果好又简单。
不过，要想真正地实现“最后一公里”，数字人技术需要实现全身肢体动作，徐卓深知这一点。目前HeyGen还只能在预先录制的视频上，对角色的唇形进行局部修改，视频来源全部都是录制好的影像，动作重复度较高。
打通了全身肢体动作这一关，数字人才能开拓更多应用场景。比如投资回报率更高的营销内容，需要更好的动态效果，展现的互动性和真实性，吸引人付费，就要用到全身视频。
徐卓在访谈中解释说，这一技术突破并不容易，需要配合AI视频的肢体动作技术，同时训练语音模型和视频模型，在模型底层建立连接。
好消息是，全身肢体动作生成技术有了新的进展。最近爆火的TANGO+Wav2Lip项目，在唇形技术上加了肢体动作功能，就能把语音与手势动作结合在一起。
总的来说，作为一种生产力工具，AI更适用于那些由于高成本和繁琐流程而被忽视的市场。长远来看，AI变革的终极目标是为大众提供专家级和个性化的、且更重要的是普惠和可持续的服务，或许这才是AI应用真正的好蓝海。
文/朗朗
PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。
热门跟贴