ChatGPT muestra cómo los grandes modelos lingüísticos son capaces de producir texto sobre una variedad de temas en menos de un minuto, pero ¿y si esta información pudiera convertirse en un videoclip en tiempo real a través de un presentador humano fotorrealista o un contenido de vídeo generado en cuestión de minutos?
En el Mobile World Congress de este año, D-ID, una empresa israelí con experiencia en reconocimiento facial, anunció nuevas funciones de transmisión en tiempo real de su API patentada de conversión de texto en vídeo. Esto permite a los usuarios crear un chatbot fotorrealista capaz de interactuar con las personas en tiempo real o generar vídeos sobre la información que buscan en cuestión de minutos.
El "estudio" Chat.D-ID es esencialmente una mezcla de API que se ha añadido a la actual plataforma de texto a vídeo de la empresa. Además de la nueva función de animación en streaming en tiempo real entre los ingredientes añadidos se encuentran ahora la IA conversacional; la IA generativa Chat GPT de Open AI y la API de generación de imágenes de Stable Diffusion.
Esta combinación permite a los usuarios finales subir un avatar a la plataforma de estudio en línea de D-ID o seleccionar uno de los avatares fotorrealistas de la empresa basados en personas reales que han cedido su imagen.
A continuación, los usuarios pueden hacer preguntas y, en menos de un minuto, recibir un vídeo en el que un chatbot fotorrealista generado por la inteligencia artificial proporciona las respuestas.
Desde Impact defendemos que este caso de uso es perfecto para presentaciones de marketing y ventas, ya que ahorra a las empresas "miles de euros" en creación de contenidos de vídeo o formación en línea. Gracias a su capacidad de transmisión en tiempo real, la tecnología también permite a los proveedores de servicios de atención telefónica lanzar chatbots "humanos digitales" que pueden interactuar con los consumidores de una forma más humana, atractiva y eficaz que un bot de texto.
En una demostración en el stand de Israel de D-ID, un chatbot humano digital aparece en un televisor de consumo mientras el espectador busca un asesor de atención al cliente para solucionar el problema de la imagen defectuosa del televisor. Las respuestas se dan en tiempo real (en cualquier idioma) y la sincronización labial es especialmente impresionante.
La empresa cuenta con varias docenas de clientes empresariales y la plataforma de estudio se está "volviendo viral", con una nueva suscripción a su estudio "cada cinco segundos". Hasta la fecha se han producido más de 100 millones de visitas en la plataforma en línea y actualmente cuenta con "cientos de miles" de usuarios.
Además de estar disponible en línea como plataforma, la tecnología de animación en tiempo real que hay detrás de chat.D-ID se pone a disposición de los desarrolladores a través de una API. El coste empresarial de un paquete de "ventanilla única" de generador de texto, generador de imágenes y creación de vídeo cuesta 1.500 dólares al mes, que vienen con 8.000 minutos de vídeo al año.
En el MWC, se anunció su unión a un marco para el desarrollo, la creación y el intercambio éticos y responsables de medios sintéticos/inteligencia artificial generativa iniciado por Partnership on AI (PAI) y respaldado por una cohorte de socios de lanzamiento, entre ellos la BBC, The New York Times, Meta, Amazon e IBM Watson.
