讓郭德綱飙英文、讓黴黴說中文的翻譯視頻生成工具 HeyGen 和掀起 AI 證件照熱潮的 " 妙鴨相機 " 一樣，在一陣瘋狂刷屏之後，又迅速在各大群裏銷聲匿迹了。
十月份，由 HeyGen 制作的各種明星跨語言翻譯視頻，在全網瘋傳，大家震撼于 AIGC 地道的中英文表達，完全沒有譯制片的腔調，惟妙惟肖的音色還原、高度對齊的口型聲音，讓不少人表示，" 真的有被吓到 "" 配音演員要失業了 " ……
太陽底下無新事，這個現象級 AIGC 應用，也逃不過 " 速朽 " 的命運。
如今我所在的 LLM 大模型讨論群裏，偶爾有人發一個中英翻譯視頻，根本無人讨論，可能大多數人連點開看看，都提不起興趣。
大衆的新鮮感很快會過去，" 明星譯制片 " 隻有看個樂子的娛樂屬性，并不是高頻剛需，獵奇嘗鮮之後，到了真金白銀付費的時候，自然風過了無痕。
這一年，大模型無疑是全球最大的熱點。但熱歸熱，最終在商業市場立足的大模型應用仍然稀少。
明明已經是 " 百模争豔 "，爲何成功産品化的現象級應用，就那麽幾個？
而這些産品成熟也不缺熱度的爆款 AIGC 應用，爲何無法将流量轉化爲持久的經濟效益，商業化仍是一團迷霧？
本文希望從 "AI 譯制片 " 這個小切口，探讨一下大模型的産品化條件和商業化迷思。
一夜爆紅
是産品化的勝利
首先要明确一點，妙鴨也好，HeyGen 也好，AIGC 應用的一夜爆紅，對于大模型産業來說，絕對是一件正面的事。
大模型隻是一種基礎技術，相當于鋼材，大模型廠商相當于煉鋼廠，還要有人設計出洗衣機、跑步機、微波爐等一個個具體的産品，新技術才能爲人所用。
而 HeyGen 的一夜爆紅，正是産品化的勝利。
技術原理上，跨語言翻譯視頻制作并不是什麽新事物，業内已經有很多科技公司、影視公司、後期制作公司在探索并推出了專業級工具平台。
簡單來說，就是升級版的 TTS（Text To Speech）技術。利用大語言模型對文本進行更地道的翻譯，然後對聲音空間進行更好的建模，訓練一個跨語種遷移 TTS 模型，讓風格遷移、音色遷移、情感遷移更加魯棒，合成的語音更加自然、還原。
這種技術的特點就是高效，整個翻譯過程全自動化，可以批量生成翻譯視頻。不過在自然度和表現力細節上，還是不如真人配音演員的演繹那麽細膩、有創造力。
總結一下就是，HeyGen 背後的技術原理，并非什麽獨家秘籍。
其火爆的原因，是極高的産品化能力。
一般來說，AI 技術的産品化，要經曆三個步驟：
第一步：選擇工具。
工欲善其事，必先利其器，工具是開發人員喜歡花費大量時間争論的話題。HeyGen 的工具選擇，是比較務實的，甚至看起來特别 " 小白 "，那就是頭部閉源模型 + 開源 " 大禮包 "。
有網友扒出，HeyGen 是用 Whisper 将語音轉文字，GPT4（目前未開源）進行文本翻譯，聲音克隆 + 生成音頻用 so-vits-svc，最後用 GeneFace++，将翻譯後的語音與視頻中說話者的嘴唇動作同步。
大模型熱潮以來，我們看到了許多開發者在衡量和挑選 " 最好 " 的大模型，而市面上有各種不同的基座模型供應商，提供類似的競品服務，開發者想要找到絕對意義上最好的工具，幾乎不可能。這些底層工具如基座模型、編程語言等，先進性都可能變化。選擇好相對較優的工具組合，然後快速去開發 demo、驗證想法、叠代升級，才是開發者最應該做的。
第二步：原型設計。
HeyGen 選擇的工具，無論是 GPT4 的 API，還是開源模型，都是比較容易獲取的，但大多數普通人都不會從搜索 GitHub 倉庫、處理軟件 bug 中獲得多少樂趣。
就拿跨語種視頻翻譯來說，其中涉及了多模态内容的翻譯，包括語音、文本以及視頻，在字幕翻譯、語音合成、智能配音方面，目前都有很好的自動化，但将多模态功能集成到一起，實現端到端一鍵翻譯的産品還不多見。
所以，HeyGen 構建了一個簡單易上手的訪問界面，通過集成多種模型、多種工具，降低了翻譯門檻，用戶隻需要上傳初始視頻－選擇目标語言－一鍵輸出，就可以坐等聲音克隆完成了。
HeyGen 的核心價值，就是讓非技術用戶不必陷入繁多的技術細節中，不需要安裝 N 多個額外的工具，就可以與多個模型交互，完成轉寫、翻譯、配音、圖像處理、音畫同步等一大堆複雜的事情，輕松進行高維度、可交互的内容創作。
第三步：産品化。
從 HeyGen 官網可以看到，數字人 + 跨語言翻譯視頻，才是 HeyGen 的核心産品力，并給出了跨境電商營銷視頻、跨語種品牌宣傳、老師制作教學視頻、社交媒體吸粉、爲生日婚禮等紀念日制作令人難忘的個人視頻等，一系列落地場景。
在此基礎上，HeyGen 讓數字人跨語言翻譯視頻，可以通過自動化流水線來制作。
用戶可以上傳自己的照片，進行個性化形象定制，也可以在 HeyGen 提供的數字人素材和模闆中選擇，輸入腳本後就能生成自己所需的多語種視頻了。
至此， HeyGen 順利完成了 AI 譯制産品化的轉換，從而取得了巨大的成功，導緻了 " 多年譯制無人問，一朝 HeyGen 天下知 " 的景況。
從 AI 寫真到 AI 譯制片的爆火，一次次說明，産品化是承上啓下、不可或缺的一步，再怎麽強調也不爲過。
可以肯定地說，不能完成從技術到原型設計再到産品化的轉換，将是許多大模型投資回報率低的主要原因，也是許多 AI 創業項目失敗的原因之一。
難逃 " 速朽 " 命運
商業化的魔咒
然而，即便如此成功的産品化，HeyGen 又一次重複了 " 妙鴨 " 前輩的故事，在訪問量陡增之後，又很快在各大群裏銷聲匿迹了。
公域流量的退潮，似乎是爆款 AIGC 應用的共同命運。
對此，有人認爲，HeyGen 是在 " 悶聲發大财 "。雖然獵奇玩家散去了，但留下來的用戶還是給 HeyGen 貢獻了收入增長，HeyGen 連續九個月環比增長率在 50% 以上。創始人 Joshua Xu 也在社交媒體上公布了相關數據，僅七個月時間，ARR 年度經常性收入就達到了 100 萬美元。
問題來了，HeyGen 的商業化潛力是可持續的嗎？
我們認爲，HeyGen 将要面臨的商業化挑戰，還是非常大的。
首先，技術工具無法被壟斷，僅靠多模态 AI 無法建立商業模式。
HeyGen 憑借大模型強大的多模态和理解能力，讓跨語種翻譯視頻制作，達到了傳統 AI 譯制所望塵莫及的水平，這是非常厲害的工作。但大模型就像 c++、數據庫一樣，隻是一種新技術工具，它是無法被壟斷的。HeyGen 所使用的開源工具極易獲得，閉源模型 API 也敞開了迎客，所以僅靠底層工具無法建立商業模式和競争壁壘。
而産品創意、交互界面的開發門檻并不高，大量科技企業和個人開發者都可以輕松複刻并優化升級，産品被超越或許隻在旦夕之間。
如今點開海外科技媒體的報道頁面，會看到類似 HeyGen（原 movio）的視頻生成工具，推薦清單高達 95 個之多。可以說，HeyGen 提供了一個寶貴的 AIGC 用例，但很快就開啓了一場白熱化競争，這對其後續收入的持續增長是很大的威脅。
其次，C 端付費剛性，B 端行業壁壘深，收入增長曲線會放緩。
目前，HeyGen 收入主要靠 C 端客戶付費。免費版本隻支持一個免費的 credits 字幕，顯然僅供玩票，而最低的創作者（Creator）付費檔也要 24 美元 / 月，對于個人博主來說雖然不算太貴，但随着一大堆同質化産品的價格 " 内卷 "，未來也會面臨性價比不高的窘況。
而商業用戶（business）雖然付費能力強、價格接受度高，但對跨語言視頻翻譯的技術含金量則要求更爲複雜。HeyGen 商業版本的客戶，大多是制作電商營銷廣告、語言學習數字人、多語種新聞播報、譯制片等，對翻譯質量就會提出更爲細粒度的要求，比如文本翻譯的長度，要盡量和目标語言接近，來保持說話口型的一緻性。還有，不同人說話的韻律不一樣，停頓的位置、重音的位置都要對齊，才能高度還原個人風格。
再比如，老人、小孩說同一個文本時，因爲角色人設的不同，遣詞造句也應該不一樣，翻譯後的文本、語音都需要跟人設相對齊。
還有很多文化細節，是跨語種翻譯中要進行強把控的，很多還是要人工譯者去完成。畢竟商用場景不同于娛樂場景，跨語言容易産生歧義，一旦出現 1% 的錯誤，都可能讓做對的 99% 工作打了水漂，面臨丢單甚至海外市場合規風險。
所以說，商業用戶需要複雜、高質量、高控制的産品。這就需要廠商在數據方面，尤其是小語種等少樣本數據，有獨家的、高質量的數據積累。模型訓練，強行業知識等，都要長期積累和叠代，達到專業譯者的水平。
目前，已經有 AI 公司針對精品化視頻譯制的需求，推出了 ToB 的産品解決方案，訓練跨語種 Voice Conversion 模型，采集配音演員的口型，由人工控制，再經由 VC 模型生成配音結果，比 TTS 模型的表現力更強，細節保留更多。
目前國内的 AI 巨頭都很重視 B 端市場，資源充足，并且在機器翻譯 TTS、多模态 AI 技術方面的積累深厚，都可能是 HeyGen 商業用戶的争奪者。
大模型的産品創新風口，才剛剛開始，要保持商業化的優勢身位，如逆水行舟，" 當紅頂流 " 也不能掉以輕心。
爆款應用 " 速生速朽 "
大模型的商業迷思
2022 年 11 月 30 日，ChatGPT 問世，在一周年剛剛過去之際，這場大語言模型的熱潮，将所有人都席卷其中。或許還有人無知無覺，但也注定無法置身事外。
一年以來，時常有妙鴨相機、HeyGen 這樣的爆款應用，在社交媒體刷屏。這證明了幾件事：
1. 大模型是條件，而不是結果。運用好這些新工具，創造新産品的人，會獲得新時代裏無限多的機會。
2. 基建是問題，但也不是問題。提到大模型，業界總會擔憂算力卡被限制，國産大模型能力有差距，但悲觀者正确，樂觀者前行。實際上，無論算力基建、開發工具、基座模型，在今天都不是，也不該是應用開發者的阻礙。
業内有人說過，國産卡隻要達到 N 卡 60% 的性能，用戶就會買單。而一些開發者告訴我，密集使用了文心一言、訊飛星火等國産大模型，基礎邏輯推理确實能叫闆 GPT 3.5-turbo，非基礎能力比如 func call、穩定性等也可圈可點。而妙鴨、HeyGen 也都是中國企業所開發的，行動比洞見更重要。
3. 産品化，是大模型商業化的必要條件。做了那麽多通用大模型和行業大模型，如果沒有大量産品化的成果，是無法轉化爲使用價值和經濟效益的。" 改變世界 " 的不是大模型，而是各種各樣的産品，無數個 HeyGen，幫助開發者完成從原型設計到産品化的轉換，降低試錯成本，将是接下來大模型廠商最重要的動作。
4. 建立商業壁壘的，是剛需場景 + 強業務知識 / 數據 + 軟件工程。HeyGen 的商業化挑戰，說明大模型不是壁壘，産品也不是壁壘，這些都是很容易被複制的。而行業知識 / 數據，大規模軟件工程的流程控制、降本增效，可以針對特定場景的需求深入挖掘、快速開發、快速叠代優化，才符合 AI 技術特性，才是商業化的保障。
幾位行業大模型應用的開發者，不約而同地跟我說過一件事：先找到場景，再優化産品和服務。也就是先想好商業變現的路線，确定自己的壁壘達到了，再去紮紮實實做産品，心裏才能不慌。
比如一個 ToC 的民宿大模型，解決的是旅客入住民宿時，管家介入太深顯得沒有邊界感，過度打擾；管家介入太淺，又缺乏服務價值感，無法及時解決問題。基于大模型的語音交互助手，就在旅客和管家之間，起到了很好的緩沖橋梁作用，讓服務恰到好處。而旅客在當地的餐飲、遊玩、購物等活動，也都是圍繞 " 住 " 展開的，通過民宿大模型提供優質可靠的推薦服務，也帶來了商業轉換的潛力。
一個 ToB 的金融大模型應用開發者也表示，企業機構内部的多樣化需求，是不可能由一個通用的、标準化的軟件産品來承載的，所以 ToB 大模型創業，既要做業務分析咨詢，又要做軟件開發寫代碼，才能真正服務好客戶。AI 軟件開發的流程化、自動化，對于控制成本非常重要，不能每個項目都靠一群博士 " 手搓 " 代碼。
對商業和場景的深刻洞察，對行業和客戶的理解，比掌握算法、掌握技術都要難得多，也是開發者最應該重視的核心能力。
最後我想說，雖然大模型已經非常火了，但别急着擔心 " 泡沫 "、害怕 " 追高 "，這才是開始。
國際咨詢機構的調查報告顯示，65% 的受訪者目前有時或很少使用生成式人工智能，而約占 90% 的受訪者認爲，AI 應該被 " 經常或總是 " 使用。
也就是說，大衆對機器學習和生成式 AI（Gen AI）的接受度很高，而實際滲透率并不高。妙鴨、HeyGen 等現象級 Gen AI 産品，無疑邁出了一大步，而隻有它們，是遠遠不夠的。
爆款 AIGC 應用，隻是 AI 和大模型價值潛力的一小部分。目前還沒有一種商業模式長期跑通，恰恰說明技術的新大陸上，留給登陸者、建設者們的發揮空間還很大。
