इस हफ्ते वायरल होने वाला नवीनतम AI वीडियो टूल HeyGen का Avatar V है, जिसकी घोषणा 8 अप्रैल को की गई थी और X पर इसे 472,000 बार देखा गया। यह एक एकल 15-सेकंड की वेबकैम रिकॉर्डिंग से उपयोगकर्ता के चेहरे, आवाज और हावभाव का एक फोटोरियलिस्टिक डिजिटल ट्विन बनाता है, और फिर बिना किसी पेशेवर उपकरण के असीमित स्टूडियो-गुणवत्ता वाले वीडियो उत्पन्न करता है।
HeyGen का आधिकारिक लॉन्च पेज Avatar V को एक ही विश्वास पर आधारित बताता है: आउटपुट इतना अच्छा होना चाहिए कि उपयोगकर्ता उस पर अपना नाम लगाने को तैयार हों, न कि सिर्फ AI के लिए अच्छा, बल्कि बस अच्छा। यह मॉडल HeyGen द्वारा 'टेम्पोरली ग्राउंडेड आइडेंटिटी एम्बेडिंग' कहे जाने वाले पर प्रशिक्षित है, जिसे 15-सेकंड के क्लिप से बनाया गया है, जो विशिष्ट हावभाव और अभिव्यक्ति संक्रमणों को कैप्चर करता है जो एक व्यक्ति को विभिन्न संदर्भों में पहचानने योग्य बनाते हैं। वाइड शॉट्स, मीडियम फ्रेम्स और क्लोज-अप सभी एक रिकॉर्डिंग से लगातार बने रहते हैं। इस प्रक्रिया में किसी स्टूडियो लाइटिंग या क्रू की आवश्यकता नहीं होती है; एक मानक फोन या वेबकैम पर्याप्त है।
मुख्य डिज़ाइन सिद्धांत पहचान को स्वरूप से अलग करना है। 15-सेकंड का क्लिप यह परिभाषित करता है कि कोई व्यक्ति कैसे चलता है। एक अलग आधार फोटो यह परिभाषित करता है कि वे कैसे दिखते हैं। फिर उपयोगकर्ता स्वरूप को स्वतंत्र रूप से बदल सकते हैं जबकि गति स्पष्ट रूप से उनकी ही बनी रहती है।
अधिकांश AI अवतार सिस्टम एक एकल प्रभावशाली क्षण के लिए अनुकूलित होते हैं: स्क्रीनशॉट, छोटा क्लिप, नियंत्रित डेमो जहां सब कुछ मॉडल के पक्ष में काम करता है। वे दो सेकंड में तीव्र दिखते हैं और बीस सेकंड में ढह जाते हैं क्योंकि चेहरा स्रोत से भटक जाता है। Avatar V को विशेष रूप से वीडियो के पूरे रनटाइम में बिना किसी बहाव के स्थिरता बनाए रखने के लिए डिज़ाइन किया गया था। HeyGen इसे 'पहचान स्थिरता' (identity consistency) के रूप में वर्णित करता है: वही चेहरा, वही सूक्ष्म-अभिव्यक्तियाँ, पहली फ्रेम से आखिरी तक वही उपस्थिति, चाहे वह 30-सेकंड का क्लिप हो या 10-मिनट का मॉड्यूल।
व्यावहारिक कार्यप्रवाह तीन चरणों में होता है: एक 15-सेकंड का वीडियो रिकॉर्ड करें, वैकल्पिक रूप से एक स्टैंडअलोन वॉयस क्लोन रिकॉर्ड करें, फिर बाद में उत्पन्न होने वाले प्रत्येक दृश्य के लिए पहचान संदर्भ के रूप में एक आधार फोटो चुनें। उस आधार से, उपयोगकर्ता नए परिधान, सेटिंग्स और शैलियों को उत्पन्न करने के लिए प्रॉम्प्ट लिखते हैं, या HeyGen लाइब्रेरी का उपयोग करते हैं। तैयार वीडियो को 175 भाषाओं में से किसी में भी स्वचालित रूप से लक्ष्य भाषा के अनुकूल लिप-सिंक के साथ वितरित किया जा सकता है। HeyGen उपयोगकर्ताओं को रिकॉर्डिंग के दौरान अभिव्यंजक होने की सलाह देता है क्योंकि, जैसा कि कंपनी ने कहा, "आप जितनी ऊर्जा डालते हैं, उतनी ही ऊर्जा आपको वापस मिलती है।"
जैसा कि क्रिप्टो.न्यूज़ ने रिपोर्ट किया है, AI उपकरण जो पेशेवर सामग्री बनाने की लागत और समय को कम करते हैं, वे 2026 में उद्यमों के कर्मचारियों की संख्या संबंधी निर्णयों को सीधे नया आकार दे रहे हैं। जैसा कि क्रिप्टो.न्यूज़ ने उल्लेख किया है, AI सामग्री उपकरणों का प्रसार एक प्रमुख चर है कि संस्थागत निवेशक AI बुनियादी ढांचे के खर्च की स्थिरता का आकलन कैसे कर रहे हैं। Avatar V अब HeyGen की सशुल्क योजनाओं के माध्यम से पूरी तरह से उपलब्ध है, जिसमें प्लेटफ़ॉर्म के टेम्पलेट्स, अनुवाद और स्टूडियो टूल के पूर्ण सूट तक पहुंच शामिल है।
