Synthesia 2

• 1. 概要 （共 286 字）

  Synthesia 是总部位于伦敦的企业级 AI 数字人视频平台，2017 年由 Victor Riparbelli 与一批 UCL 出身的 AI 研究员创立。用户输入文字脚本，即可生成由虚拟主播播报、口型对齐、自带多语种配音的「播报式」视频，广泛用于企业培训、内部沟通和产品讲解。产品速递将其记为「Synthesia 2」，这一叫法并非官方单一代际——公司正式的现行代际是 Synthesia 3.0（2025 年 10 月发布），其底层驱动是 2025 年 9 月推出的 Express-2 全身数字人引擎。本报告以 Synthesia 3.0 / Express-2 这一当前可验证主线为基准撰写，命名口径差异留人工审核。

• 2. 产品背景 （共 290 字）

  Synthesia 是少数跑通「AI 数字人视频」商业闭环的独立公司，未被大厂收编。其融资节奏印证了赛道热度：2025 年 1 月完成 Series D，估值 21 亿美元；2026 年 1 月再获 GV（Google Ventures）领投的 2 亿美元 Series E，估值翻倍至 40 亿美元，投资方还包括 NVIDIA、Accel 等。营收同样陡峭——年经常性收入（ARR）从 2024 年底的 8800 万美元，增至 2025 年 9 月的 1.46 亿美元。据官方与第三方资料，超过 90% 的财富 100 强企业在使用该平台，累计服务企业数超 6 万家。2026 年 4 月，公司宣布在奥斯汀、柏林、巴黎、苏黎世设立办公室，并计划扩招 70% 人手。

• 3. 产品功能与使用体验 （共 707 字）

  Synthesia 的核心工作流是从「脚本到成片」：选一个虚拟主播、写或生成脚本、配置场景与配音、一键渲染导出。2025 年的两次大升级构成了今天的产品骨架。   其一是 Express-2 数字人引擎（2025 年 9 月）。与上一代 Express-1（2024 年 4 月，仅做面部表情）不同，Express-2 用扩散 Transformer 渲染全身——手势、姿态、重心转移都随语义自然变化，配合微表情（眨眼、挑眉、浅笑）与稳定的眼神接触，在 1080p/30fps 下输出。实测中，数字人会在强调处用手势、在转场时换姿态，正常播放速度下基本能越过「像真人」的及格线。其二是 Synthesia 3.0（2025 年 10 月），新增几项关键能力：Video Agents——可嵌在视频任意位置的虚拟主播，能与观众实时双向对话，调用连接的知识库（SharePoint、Google Drive、CRM）回答问题、跑培训或初筛候选人，目前面向企业客户分阶段推出；AI Playground——直接在编辑器内调用 Sora 2、Veo 3.1、FLUX.2 生成电影感 B-roll 素材，无需跳出工作流；以及基于提示词的形象/着装生成，和「单张照片即可生成个人数字分身」的 Personal Avatar。   配音侧，Express-Voice 是两段式 Transformer 语音克隆系统（每段 8 亿参数），数秒复刻音色、保留口音与语调节奏。AI Dubbing 可将一段视频译制为 130+ 语种并保持帧级口型对齐，一键翻译则做脚本级翻译。平台内置 240+ 个库存数字人、支持 160+ 语种文字转语音，并提供实时协作、Brandkit 品牌套件、版本控制、SCORM 导出（对接 LMS）和播放分析。

• 4. 定价与商业模式 （共 287 字）

  2026 年 4 月的定价采用「分钟额度」年付制：免费版每年 36 分钟、9 个库存形象（带水印）；Starter 每月 29 美元（年付 18 美元），每年 120 分钟、70+ 形象；Creator 每月 89 美元（年付 64 美元），每年 360 分钟、解锁全量库存；Enterprise 为定制报价，含 SSO、审计日志、SCORM、API、Veo 3 等。Personal Avatar（个人数字分身）另计，约 1000 美元/年。需提醒的是，SCORM 导出与一键翻译等被多篇评测指为「企业版专属」或需销售谈判才能开通，常有「建好课程才发现用不了」的落差。API 已从纯企业版下放到 Creator 版，用于程序化批量生成。

• 5. 用户评价 （共 260 字）

  正面集中在其易用与多语言能力：零视频经验者 15 分钟内可产出成片，90% 用户无需教程即可发布首条视频；一次拍摄的英文培训片，能快速译制成数十个语种版本，对全球 L&D 团队价值直接。负面则高度集中于内容审核：这是最多的投诉项——合规的商业内容会被无明确理由地拦截或封禁，人工复核往往要 12–24 小时，非企业客户没有优先级；有用户报告账号在 30 分钟内因模糊违规被封。退款政策严格、自定义形象制作偏慢（需数日复核）也是常见槽点。另有用户反映高峰时段渲染会拖到 15–20 分钟，Starter 每月 10 分钟额度极易触顶、被迫 4 倍价升级。

• 6. 行业评价 （共 330 字）

  在独立评测中，Synthesia 综合口碑偏正面：G2 约 4.7/5（2000+ 评价）、Trustpilot 约 4.3/5（300+）、PlainAI 4.0/5。行业普遍将其定为「企业培训/内部沟通视频」的标准答案，对手 HeyGen 则在低门槛写实度、175+ 语种译制深度、按量计费 API 与性价比上更占优，但治理与审核更松。Runway、Sora、Kling 等通用生成视频模型正从「电影感 B-roll」一侧挤压纯数字人播报品类；Colossyan 在培训场景的原生互动、D-ID 在 API 化照片驱动上各有卡位。Synthesia 的护城河在于合规资质（SOC 2 Type II、GDPR、ISO/IEC 42001 AI 管理体系、SAML/SSO）与 90%+ 财富 100 强的采购惯性。

• 7. 争议与风险 （共 282 字）

  最大风险是内容审核的不可预测性：受监管行业（医疗、金融、法律）用户可能因一次轻微编辑导致已通过视频被重新标记，投入的工时付诸东流；平台官方文档承认审核不完美，但未公开清晰的申诉流程，非企业客户无优先通道。其次是合规缺口——截至 2026 年 3 月，Synthesia 与 HeyGen 均未公开 HIPAA 业务伙伴协议（BAA），涉及患者或客户数据的受监管买家需签约前单独索取。再次是写实度天花板：2026 年盲测中 64% 的观众能正确识别 AI 数字人（2024 年为 89%），近景下仍显合成感，不适合情感叙事或电影化内容。HIPAA、严格退款、分钟额度紧绷与渲染延迟共同构成落地摩擦。

• 8. 适用人群与使用建议 （共 221 字）

  Synthesia 最适合：需要规模化、可更新、多语种企业培训与内部沟通的视频团队；看重合规资质与 LMS 集成的组织。它不适合：追求人格化、幽默感或电影质感的创作者；预算极紧、仅偶尔产片的个人（免费版或更便宜工具更划算）；需要 HIPAA 级合规医疗内容的团队（需先确认 BAA）。若主要做对外营销，HeyGen 往往性价比更高；若做分支式互动培训，Colossyan 的原生互动更强。建议先用免费版产出一条真实业务视频，确认能过审且形象贴合后再考虑付费。

• 9. 总结 （共 109 字）

  Synthesia 3.0 / Express-2 把「打字生成播报视频」这件事做到了企业级的水准，真正的长板在合规、规模与多语种训练视频，短板在审核的不确定性、写实度天花板与按分钟计费的压力——它是专家型工具，不是万能机器。

暂无深度报告

• 

  Lilly694

  —

  口型近看还是有点假，客户问过两次。

---

• 

  CHwhi

  —

  和 HeyGen 比，Synthesia 在企业合规、LMS 集成上稳得多；但写实度和多语种深度 HeyGen 更强，看你用在哪。

---

• 

  Henry.GonzalesJr

  —

  express-2 之后手势和姿态终于像真人了，强调处会用手比划，正常速度看基本过关，近景还是能看出是合成的。

---

• 

  IsaiahNgyyen

  —

  Trustpilot 上 4.3 分在 AI 工具里算异常高，负面基本集中在审核和退款，正常用其实挺稳的。

---

• 

  KathleenMiller_Pro03

  —

  零视频基础，二十分钟就出片，太顺手了。

---

• 

  Sean_Flores369

  —

  退款政策挺严的，短期订阅基本不退。

---

• 

  唐琪_1

  —

  免费的 10 分钟额度，一条就没了，坑。

---

• 

  CCastilloQ03

  —

  AI Playground 里直接调 Sora 2 和 Veo 3.1 生成 B-roll 是真香，不用跳出工作流也不另付 API 费，这是和竞品拉开差距的地方。但没有时间轴编辑，想逐帧微调根本做不到，改个逗号都要重新渲染等八到十二分钟，重度迭代会很磨人。

---

• 

  AMoore_66

  —

  数字人库是见过最全的，我居然找到一个长得像我的。就是 Starter 的分钟限额太别扭，后来升了档才好用。

---

• 

  JRichardson_20230

  —

  语音克隆几秒出声，口音语调都保住了，牛。

---

• 

  GloriaReev

  —

  我们团队把 40 页的 PPT 一天之内转成了完整视频课程，它居然会读演讲者备注生成配音，离谱地好用。不过长视频渲染是真慢，有次五分钟以上的片子直接导出超时，后来我们都习惯先把文案锁死再点生成，省事不少。

---

• 

  DylanPerez_2022

  —

  Personal Avatar 现在一张照片就能做，以前要录几分钟视频，速度提升巨大，做数字分身终于不痛苦了。

---

• 

  DianeCollins_2024

  —

  注册一小时就做出第一条视频了，界面真清爽。

---

• 

  ANjoh

  —

  多语种译制是真的救命，一个英文培训片直接翻成德文法文，省掉三次重录。质量大概九成到位，就是德文版偶尔口型比声音慢半拍，客户凑近看会问，但整体还是甩同行一条街，尤其对全球 L&D 团队，长期看特别值。

---

• 

  MariaSanchez

  —

  盲测里 64% 的人能认出是 AI 数字人，比 2024 年的 89% 低了不少，说明写实度确实在涨，express-2 之后手势姿态像真人了。语音克隆也狠，盲测 72% 分不清真人，但真要做情感叙事或电影感内容它还是不行，那是另一类工具的事。

---

• 

  LambdaLPWood

  —

  我们做全球入职培训，同一门课要存在六七种语言里。以前每上个市场重录一次，现在上传英文版一键译制，两小时搞定。省下的真金白银比订阅费多太多了。就是自定义形象要走同意流程，不是秒出，运营上有一点开销，但可接受。

---

• 

  DeborahCarter

  —

  Starter 那 10 分钟每月额度纯属玩笑，一个片子就烧光，逼着你升 Creator，实际月费直接翻四倍，签约前真不会告诉你。

---

• 

  JReed_Pro

  —

  高峰时段渲染能拖到十五二十分钟，长视频更夸张。我们后来学乖了，先把文案锁死再生成，绝不生成后再改逗号。

---

• 

  Lawrence.CampbellZ

  —

  内容审核是我最想吐槽的：正经商业内容会被无理由拦下来，人工复核动辄 12 到 24 小时，非企业客户还没优先级。而且近景下数字人还是能看出是合成的，要是你的流程经不起这突如其来的延期，这是个真风险，得留缓冲。

---

• 

  HashNet_pro

  —

  SCORM 导出居然是企业版专属，建完课程才发现，得找销售要报价，体验像钓鱼。

---

• 

  TIram

  —

  做 HR 合规课每季度都要更新，以前拍片子要折腾一整天，现在改脚本重新生成数字人视频一小时就搞定，企业版是贵但替换掉的东西值这个价。不过做对外营销我还是更偏向 HeyGen，翻译和写实度更顺，Synthesia 强在内部培训和 LMS 集成。

暂无评论