融資1050萬美金，世界上首個交互式語音AI視頻模型

AI 聊天機器人一直有個問題：它們沒有臉。你可能已經習慣了和文字框對話，在各種應用里打字提問、等待回復。這種交互方式確實高效，但總覺得少了點什么。人類天生就是視覺動物，我們更喜歡和真實的臉對話，而不是盯著冰冷的文字。這也是為什么即使在通訊軟件如此發達的今天，視頻通話依然無法被取代。當你需要深入交流、建立信任或解決復雜問題時，看到對方的表情和肢體語言會讓整個對話變得完全不同。

這個觀察讓我對剛剛獲得 1050 萬美元融資的 Lemon Slice 產生了濃厚興趣。這家由 Y Combinator 和 Matrix Partners 領投的創業公司，正在做一件聽起來有點瘋狂但又極具前瞻性的事：他們開發了一個叫做 Lemon Slice-2 的 AI 模型，可以把任何一張靜態圖片——無論是公司員工照、卡通角色、還是文藝復興時期的油畫——瞬間變成一個能實時對話的視頻頭像。不需要上傳訓練視頻，不需要復雜的預處理，甚至不需要是真人照片。只需要一張圖，你就能和這個角色進行面對面的視頻對話。

我知道這聽起來像是科幻片的情節，但當 Y Combinator 的合伙人 Jared Friedman 說"這是自 ChatGPT 首次發布以來，我第一次試用一個產品時想到'啊，這就是未來人們與計算機對話的方式'"時，我意識到這可能真的是一個重要的轉折點。我們正處在一個關鍵時刻：AI 不再只是回答問題，而是開始以更人性化的方式與我們互動。

為什么現有的 AI 頭像都不夠好

說實話，AI 頭像這個概念并不新鮮。過去幾年里，我見過不少公司嘗試做這件事，比如 D-ID、HeyGen、Synthesia 這些比較知名的玩家，還有 Genies、Soul Machine、Praktika 和 AvatarOS 等專注于數字頭像的公司。但坦白說，我每次體驗這些產品時都會感到一種說不出的不適感。

Lemon Slice 的聯合創始人兼 CEO Lina Colucci 對這個問題的描述非常精準："我迄今為止看到的現有頭像解決方案都給產品帶來了負面價值。它們看起來很詭異，動作僵硬。前幾秒可能還不錯，但一旦你開始與它們互動，就會感到非常不自然，完全無法讓人放松。真正阻礙頭像技術普及的原因，就是它們還不夠好。"這話說得太對了。我之前試用過一些 AI 客服頭像，表面上看確實是個人臉在說話，但那種機械的表情變化、不自然的眼神移動、以及完全對不上節奏的嘴型，反而讓整個體驗比純文字聊天還要糟糕。

這種"恐怖谷效應"在 AI 頭像領域特別明顯。所謂恐怖谷，指的是當機器人或虛擬角色看起來幾乎像真人但又不夠逼真時，人們會產生強烈的不適感。很多現有的 AI 頭像恰好落在這個恐怖谷里——它們努力想要看起來像真人，但各種細節的不自然反而讓人感到毛骨悚然。我認為這也是為什么盡管技術已經存在多年，但 AI 頭像始終沒有真正普及的核心原因。

另一個問題是現有解決方案的局限性。大多數 AI 頭像工具都需要你上傳訓練視頻，或者只能處理寫實風格的人臉，又或者需要針對特定角色訓練定制模型。這意味著如果你想創建一個卡通角色的 AI 頭像，或者想讓一個歷史人物的畫像開口說話，基本上是做不到的。這種限制極大地縮小了應用場景，也讓很多有創意的想法無法實現。

Lemon Slice-2 的技術突破在哪里

Lemon Slice-2 之所以引起我的關注，是因為它從技術路徑上就走了一條完全不同的道路。這是一個 200 億參數的視頻擴散 transformer 模型，和 OpenAI 的 Sora 或 Google 的 Veo3 屬于同一類技術，但專門針對會說話的角色進行了優化，并且特別強化了實時性能。

我特別欣賞的一點是，Lemon Slice-2 采用了"零樣本"學習方式。什么意思呢？就是你只需要提供一張圖片，不需要任何訓練數據、不需要視頻素材、也不需要提前告訴系統這是什么風格，AI 就能立即生成一個可以實時對話的視頻頭像。這意味著你可以上傳一張公司員工的證件照、一個你喜歡的卡通小動物、甚至是蒙娜麗莎的肖像，然后馬上開始和它進行視頻對話。這種靈活性是現有技術根本做不到的。

更厲害的是它的性能表現。Lemon Slice-2 可以在單個 GPU 上以每秒 20 幀的速度實時生成視頻流。你可能對這個數字沒什么感覺，但我來解釋一下：大多數視頻內容每秒播放 24-30 幀才會顯得流暢，而 Lemon Slice-2 能夠在單 GPU 上達到 20 幀/秒，意味著生成視頻的速度比你觀看的速度還要快。這種性能讓真正的實時互動成為可能，而不是那種延遲幾秒鐘、看起來卡頓的互動體驗。

從技術細節來看，Lemon Slice 采用了多種創新策略來實現這種實時性能。包括因果注意力機制、一種新穎的分布匹配蒸餾訓練范式、高效緩存、CUDA 圖加速以及量化技術。這些聽起來很技術化的名詞，實際上都是為了解決同一個問題：如何讓 AI 頭像的響應速度足夠快，快到用戶感覺就像在和真人對話。根據 Lemon Slice 公布的數據，用戶體驗到的平均響應時間只有 2.8 秒，而其中視頻生成部分只占了 730 毫秒，也就是不到一秒。剩下的時間主要花在語音識別和語言理解上。這個速度已經接近人類對話的自然節奏了。

我認為 Lemon Slice-2 最大的技術優勢在于它是一個通用的端到端模型。什么意思？就是它從頭到尾生成每一個像素，而不是基于預錄制的動作或模板進行拼接。這種方法雖然計算成本更高，但帶來的好處是質量上限幾乎沒有限制。Y Combinator 的 Jared Friedman 對此評價說："Lemon Slice 采用的是我認為唯一能夠最終克服恐怖谷并通過頭像圖靈測試的基礎機器學習方法。他們訓練的模型類型與 Veo3 或 Sora 相同：視頻擴散 transformer。因為這是一個通用模型，采用端到端的方式處理整個過程，所以它的質量提升沒有上限；而其他方案的質量上限都達不到照片級真實感。它還能同時處理人類和非人類面孔，并且只需要一張圖片就能添加新面孔。"

這里有個很關鍵的點：Lemon Slice-2 支持完整的身體動畫，包括面部表情、手勢和全身動作。這不是那種只有嘴巴在動、身體僵硬的粗糙頭像，而是可以做出自然手勢、點頭、搖頭、甚至改變坐姿的生動角色。這種細節上的豐富性，正是讓 AI 頭像跨越恐怖谷的關鍵。當一個角色在解釋復雜概念時能夠配合手勢，在表達同情時能夠微微前傾身體，在思考時能夠眼神飄移，這些微妙的非語言信號會讓整個交互體驗完全不同。

另一個讓我印象深刻的技術特性是無限長度視頻生成能力。作為一個自回歸模型，Lemon Slice-2 理論上可以生成任意長度的視頻。更重要的是，它不會出現誤差累積的問題。什么是誤差累積？在很多自回歸模型中，每生成一幀新的內容，都會基于前面生成的內容，這樣一來，任何微小的錯誤都會在后續生成中被放大，導致視頻質量隨著時間推移而下降。但 Lemon Slice-2 通過特殊的技術設計避免了這個問題，這意味著即使是長時間的對話，頭像的質量也能始終保持穩定。

這項技術能用來做什么

當我深入了解 Lemon Slice 的應用場景時，我發現這項技術的想象空間比我最初想的要大得多。它不僅僅是給聊天機器人加個臉那么簡單，而是在重新定義很多領域的用戶體驗。

拿教育來說。想象一下，一個正在學數學的小學生，不是面對枯燥的練習題和文字解釋，而是有一個可愛的外星人角色作為他的數學老師。這個外星人會用生動的表情和手勢講解數學概念，能夠回答孩子的任何問題，還能出題測驗并根據孩子的反應調整難度。當孩子答對題目時，外星人會開心地豎起大拇指；當孩子遇到困難時，它會耐心地換個方式再講一遍。這種互動式的學習體驗，比傳統的在線教育視頻或文字課程要吸引人得多，尤其是對注意力容易分散的兒童來說。

電商領域的應用也讓我很感興趣。現在的在線購物體驗雖然方便，但缺少了實體店導購的人性化服務。有了 Lemon Slice 的技術，網站可以部署一個虛擬造型師，不僅能夠回答關于退換貨政策的問題，還能幫你瀏覽整個網站、推薦搭配、甚至"試穿"不同的服裝讓你看效果。這種體驗比簡單的聊天機器人要豐富得多，也比靜態的產品圖片更有說服力。用戶可以問"這件外套配什么褲子好看"，虛擬造型師會展示幾種搭配方案，用戶可以繼續追問細節，整個過程就像在實體店里和真實導購對話一樣自然。

醫療領域的潛力也很大。去醫院看病時，在候診室填寫各種表格是一個讓人頭疼的環節。有了 AI 頭像，這個過程可以變成一次輕松的對話。虛擬助理會用親切的語氣引導患者回答問題，解釋為什么需要這些信息，甚至在察覺到患者緊張時給予安慰。對于一些初步的醫療咨詢，比如解釋某個手術流程或注意事項，有個看得見的"醫護人員"來講解，會比閱讀長篇文字說明要容易理解得多，也能減輕患者的焦慮感。

企業培訓是另一個我認為會被這項技術深刻改變的領域。新員工入職培訓、產品知識學習、合規培訓等等，傳統上都是通過錄播視頻或在線文檔來完成的。這種單向的信息傳遞效率很低，員工常常走神或者對某些內容一知半解。但如果培訓內容是通過一個互動式的 AI 頭像來傳遞，員工可以隨時提問、要求重復講解某個部分、或者通過問答來檢驗自己的理解，這種主動學習的效果會比被動觀看視頻好得多。

Lemon Slice 為開發者提供了兩種接入方式：一個是 API，供那些想要將交互式頭像深度集成到自己產品中的開發者使用；另一個是可嵌入的 widget，只需要一行代碼就能在任何網站上添加一個"視頻聊天氣泡"。這種低門檻的接入方式，我認為會大大加速這項技術的普及。即使是沒有深厚技術背景的中小企業，也能輕松為自己的網站添加一個 AI 客服頭像，讓客戶體驗到面對面服務的感覺。

為什么是現在

我一直在思考一個問題：為什么實時交互式 AI 頭像技術是在現在這個時間點突破的？畢竟,視頻生成、人臉動畫、語音合成這些技術單獨來看都已經存在多年了。我認為有幾個關鍵因素的匯聚,讓現在成為了這項技術爆發的完美時刻。

首先是大語言模型的成熟。ChatGPT 的出現讓大眾真正體驗到了 AI 對話的魅力,但也暴露出純文字交互的局限性。人們開始期待更豐富、更自然的 AI 交互方式。Lemon Slice 的聯合創始人 Lina Colucci 提到,在生成式 AI 的早期階段,他們就開始嘗試不同的視頻模型,當時就意識到視頻必然會變得可交互。"像 ChatGPT 這樣的工具之所以引人注目,就是因為它們是可交互的,我們希望視頻也能擁有這種交互層。"這個洞察非常關鍵——交互性才是 AI 應用的核心價值。

其次是計算能力的提升。200 億參數的模型能夠在單個 GPU 上實時運行,這在幾年前是不可想象的。GPU 性能的持續提升、模型優化技術的進步、以及各種加速框架的成熟,共同讓實時視頻生成從理論可能變成了現實可行。Lemon Slice 使用的因果注意力、高效緩存、CUDA 圖加速等技術,都是近年來才發展成熟的。

第三是市場需求的明確。疫情期間,視頻通話成為了人們工作和生活的常態,這培養了用戶對"面對面"交流的習慣和期待。即使疫情過去,這種習慣也保留了下來。人們已經習慣了在屏幕上看到對方的臉,而不僅僅是打字聊天。這為 AI 頭像技術創造了接受度的土壤。

Matrix 的合伙人 Ilya Sukhar 對此有個很有意思的觀點："人們與臉產生連接,而不是文字框。"他還提到,人們更喜歡從 YouTube 學習而不是閱讀長篇文字。這說明視覺媒介本身就更符合人類的認知習慣。當 AI 交互也能借助視覺渠道時,自然會帶來更好的用戶體驗。

從投資角度看,Lemon Slice 獲得的 1050 萬美元融資也說明了資本市場對這個方向的認可。投資者不僅包括專業的風險投資機構如 Matrix Partners 和 Y Combinator,還有 Dropbox 的 CTO Arash Ferdowsi、Twitch 的 CEO Emmett Shear 這樣的行業領袖,甚至包括音樂組合 The Chainsmokers。這種多元化的投資者組合,反映出這項技術的應用潛力被不同領域的專業人士所認可。

競爭格局與差異化

在深入研究 Lemon Slice 時,我也關注了這個領域的競爭格局。AI 頭像和視頻生成已經是一個相當擁擠的賽道,有不少玩家在不同的細分方向發力。

D-ID、HeyGen 和 Synthesia 主要專注于從文本或音頻生成講話視頻,常用于營銷內容制作、企業培訓視頻等場景。它們的優勢在于能夠快速批量生成高質量的視頻內容,但交互性相對較弱。Genies 專注于游戲化的個人頭像,Soul Machine 則主打超寫實的數字人,Praktika 聚焦于語言學習場景,AvatarOS 則在構建頭像操作系統。每家公司都在自己的細分領域深耕。

Lemon Slice 的差異化在哪里？我認為有幾個關鍵點。一是技術路徑的根本性不同。大多數競爭對手使用的是針對特定場景或垂直領域優化的定制方案,而 Lemon Slice 采用的是通用的"苦澀教訓"擴展方法——通過更多數據和更大算力來提升模型能力,這是在其他 AI 模態中已被證明有效的路徑。Matrix 的 Ilya Sukhar 特別強調了這一點:"這是一個技術深度很強的團隊,有交付機器學習產品的歷史記錄,而不僅僅是演示和研究。其他許多玩家都是針對特定場景或垂直領域定制的,而 Lemon Slice 采用的是通用的'苦澀教訓'擴展方法(數據和算力),這在其他 AI 模態中已經奏效。"

二是實時性能的突破。Lemon Slice 強調他們是第一家真正實現生產就緒的實時交互視頻的公司,而不僅僅是技術演示。雖然其他一些實驗室也有實時 AI 視頻的技術演示,但 Lemon Slice 是唯一一家發布了可用 API 或產品的公司。這種從研究到產品的轉化能力,在技術創業中往往比純粹的技術先進性更重要。

三是風格的靈活性。不同于那些只能處理寫實人臉或只能生成游戲角色的競爭對手,Lemon Slice-2 的擴散模型方法讓它能夠生成任何風格的頭像。你可以用它創建一個超寫實的企業代言人,也可以創建一個卡通風格的兒童教育角色,或者是一個抽象藝術風格的創意角色。這種靈活性大大拓寬了應用場景。

我特別認同 Y Combinator 的 Jared Friedman 的判斷。他認為 Lemon Slice 采用的視頻擴散 transformer 方法是唯一能夠最終克服恐怖谷的技術路徑。其他基于模板、拼接或者特定場景優化的方案,質量上限都達不到照片級真實感,而通用的端到端模型理論上沒有質量天花板,只要有足夠的數據和算力,就能不斷提升。

創始團隊的獨特性

在分析一家技術創業公司時,我總是會特別關注創始團隊。Lemon Slice 的三位聯合創始人——Lina Colucci、Sidney Primas 和 Andrew Weitz——的背景讓我印象深刻,不僅因為他們的學術資歷,更因為他們的多元化經歷。

三位創始人都擁有博士學位,分別來自 MIT、Harvard、Stanford 和 Duke 等頂尖學府,在 AI 領域有深厚的專業積累。但讓他們與眾不同的是,他們同時也是終身創作者。Colucci 是芭蕾舞者、音樂家和視頻博主,而 Primas 和 Weitz 則從 YouTube 早期就開始制作家庭視頻。這種對視覺敘事的熱愛和理解,我認為正是驅動這家公司愿景的核心動力。

這種技術能力與創意感知的結合非常罕見但又極其重要。純技術背景的團隊可能會過度關注技術指標,而忽略了用戶體驗的細微之處。而純創意背景的團隊則可能有好的想法但缺乏實現能力。Lemon Slice 的團隊兼具兩者,既能夠開發出技術上領先的模型,又能夠理解什么樣的頭像表現會讓用戶感到舒適和愉悅,而不是不安和抗拒。

Colucci 在采訪中說的一句話讓我很有共鳴:"人們與臉產生連接,而不是文字框。"這句話看似簡單,但背后體現的是對人類交流本質的深刻理解。這不是一個純粹的技術洞察,而是一個關于人性的觀察。我相信正是這種對人類情感和交流方式的敏感度,讓 Lemon Slice 團隊能夠設計出真正讓人感到自然和舒適的 AI 頭像。

目前團隊只有 8 人,但他們計劃用這筆融資來招聘工程和市場團隊,同時支付訓練模型所需的計算成本。在 AI 領域,計算成本是一個非常現實的考量因素。訓練一個 200 億參數的模型,需要大量的 GPU 資源和時間,這也是為什么充足的資金支持對這類技術公司如此重要。

我對未來的思考

站在 2025 年底這個時間點,我對交互式視頻技術的未來有一些思考。Lemon Slice 的愿景是"所有視頻最終都將是交互式的——即時生成并個性化給觀看者"。這個愿景聽起來有些激進,但我認為它指向了一個很可能實現的未來。

想象一下,未來的在線教育不再是錄播課程,而是每個學生都有一個專屬的 AI 教師頭像,根據學生的學習進度、理解能力和興趣愛好來個性化調整教學內容和方式。客戶服務不再是千篇一律的回答,而是根據每個客戶的歷史、偏好和當前情緒來定制交流風格。新聞播報不再是單向傳播,而是觀眾可以隨時打斷提問、要求深入解釋某個細節的雙向對話。

這種轉變不僅會改變內容的呈現方式,還會從根本上改變內容的生產和消費模式。當視頻可以實時生成和個性化時,傳統的"制作-分發-消費"模式將被"對話-生成-互動"模式所取代。內容創作者的角色也會改變,從制作具體的視頻內容,轉變為設計知識庫、個性和交互規則,讓 AI 基于這些元素來生成無限多樣的交互體驗。

我也看到一些潛在的挑戰。技術上,要實現真正自然流暢的長時間交互,還有不少細節需要打磨。比如如何讓 AI 頭像在長對話中保持表情和動作的多樣性而不顯得重復？如何處理復雜的多輪對話中的情緒變化和氛圍轉換？如何在保證實時性的同時進一步提升視頻質量？

從商業角度看,計算成本仍然是一個需要關注的問題。雖然 Lemon Slice 已經優化到可以在單 GPU 上實時運行,但大規模部署時的成本仍然不低。如何在保證質量的前提下進一步降低成本,讓更多中小企業也能用得起這項技術,是一個需要解決的問題。

社會層面上,我們需要思考 AI 頭像普及后對人際交流的影響。當人們習慣了與 AI 頭像對話,這會不會影響他們與真人交流的能力和意愿？如何確保技術增強而不是替代人與人之間的真實連接？這些都是值得深思的問題。

但總體而言,我對這個方向充滿樂觀。Lemon Slice 正在做的事情,不僅僅是開發一個新產品,而是在探索人機交互的新范式。就像觸摸屏改變了我們與手機的交互方式,語音助手改變了我們與智能音箱的交互方式,交互式視頻可能會改變我們與各種數字服務的交互方式。從文字到語音,從語音到視頻,從單向到雙向,從靜態到動態,每一次交互方式的演進都讓技術更加人性化,更加貼近人類自然的交流習慣。

Lemon Slice-2 的發布,或許只是這場變革的開始。我期待看到更多創新的應用場景涌現,也期待看到這項技術如何與其他 AI 能力結合,創造出我們現在還無法想象的體驗。未來的數字世界,可能真的會像 Lemon Slice 團隊所設想的那樣,充滿了生動的、可交互的、個性化的視頻體驗。而這一切,都始于一個簡單但深刻的洞察:人們與臉產生連接,而不是文字框。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。