开发者和公司正越来越多地在应用中部署AI代理和聊天机器人，但迄今为止它们大多仅限于文本。数字头像生成公司Lemon Slice正在通过一种新的扩散模型为这些聊天添加视频层，该模型能够从单张图片创建数字头像。
名为 Lemon Slice-2 的模型能够创建数字分身，该分身基于知识库运行，可扮演 AI 代理所需的任何角色，例如回答客户咨询、辅导作业问题，甚至担任心理健康支持代理。
Lina Colucci 表示：“在生成式人工智能（GenAI）的早期阶段，我的联合创始人开始尝试不同的视频模型，我们很快意识到视频将是交互式的。ChatGPT 等工具的魅力在于其交互性，我们希望视频也能具备这一层特性。”
Lemon Slice 称这是一个拥有 200 亿参数的模型，可在单个 GPU 上以每秒 20 帧的速度进行视频直播。该公司通过 API 和可嵌入的小部件提供该模型，企业只需一行代码即可将其集成到自己的网站中。创建分身后，用户可以随时更改角色的背景、风格和外观。
除了类人分身外，该公司还专注于生成非人类角色以满足不同需求。这家初创公司使用 ElevenLabs 的技术来生成分身的语音。
Lemon Slice 由 Lina Colucci、Sidney Primas 和 Andrew Weitz 于 2024 年创立，该公司押注于使用其自有的通用扩散模型（一种从噪声训练数据中学习反向操作以生成新数据的生成式模型）来制作分身，以此与竞争对手区分开来。
Colucci 表示：“迄今为止我看到的现有分身解决方案会给产品带来负面价值。它们令人毛骨悚然且僵硬。乍一看还不错，但一旦开始与之互动，就会感到极度诡异，无法让人放松。阻碍分身真正普及的原因就是它们还不够好。”
融资1050万美元，设置安全护栏
为资助这一努力，该公司周二宣布已从 Matrix Partners、Y Combinator、Dropbox CTO Arash Ferdowsi、Twitch CEO Emmett Shear 以及 The Chainsmokers 处筹集了 1050 万美元的种子轮融资。
该公司表示，已设置护栏以防止未经授权的面部或声音克隆，并使用大型语言模型进行内容审核。
Lemon Slice 未透露使用其技术的具体机构名称，但表示该模型正应用于教育、语言学习、电子商务和企业培训等用例。
采用通用扩散模型，突破“恐怖谷”效应
这家初创公司面临着来自D-ID、HeyGen和Synthesia等视频生成初创公司的激烈竞争，以及其他数字头像制作方Genies、Soul Machine、Praktika和AvatarOS的竞争。
Matrix 合伙人 Ilya Sukhar 认为，分身将在视频突出的领域发挥重要作用。例如，人们更喜欢通过 YouTube 学习，而不是阅读大段文字。他指出，Lemon Slice 的技术实力及其自身优势将使其在众多初创公司中脱颖而出。
“这是一个技术深厚的团队，拥有交付机器学习产品的记录，而不仅仅是演示和研究。许多其他参与者仅针对特定场景或垂直领域定制，而 Lemon Slice 正在采用通用的‘痛苦教训’——这是一种在其它人工智能模态中行之有效的（数据和算力）扩展方法，”他说。
Y Combinator的Jared Friedman认为，与一些专注于类人角色或游戏角色风格角色的初创公司相比，使用扩散式模型使Lemon Slice能够生成任何类型的虚拟形象。
“我相信，Lemon Slice是唯一一家采用基础机器学习方法的公司，这种方法最终能够克服恐怖谷效应并打破虚拟形象的图灵测试。他们训练的是与Veo3或Sora相同的模型：一种视频扩散Transformer。由于它是一个端到端处理整个流程的通用模型，其性能上限没有天花板；而其他公司的表现则停留在低于照片级真实的水平。它同样适用于人类和非人类面部，并且只需一张图片即可添加新面孔，”他说。
该初创公司目前拥有八名员工，计划利用这笔资金招聘工程和面向市场的人员，并支付用于训练模型的算力费用。