Aeos CEO Varun Mayya：三年AI数字人实战，揭秘高流量背后的手工微调流程
Aeos创始人兼CEO Varun Mayya在ElevenLabs班加罗尔峰会上分享了其公司使用AI数字人三年的经验。他详细说明了如何通过一小时语料训练声音克隆、多次重新生成以调整语调，以及利用音频标签控制表达。Mayya还展示了为印度超级板球联赛球队RCB制作地区语言内容、为《Mirzapur》第三季策划个性化WhatsApp预告片等商业案例，并指出尽管自动化程度提高，但高质量输出仍依赖人工干预。
在ElevenLabs于印度班加罗尔举办的峰会上，Aeos创始人兼CEO Varun Mayya回顾了过去三年将自身形象替换为AI数字人的历程。作为ElevenLabs在印度的首批客户之一，Mayya最初面临观众不接受AI面孔的质疑，但如今其内容每月产生3000万至8000万次观看，并于2025年在达沃斯被YouTube认可为全球最大的AI数字人创作者之一。
Mayya重点拆解了维持这一规模所需的具体工作流，强调这依然是一个高度依赖人工的过程。他透露，训练声音克隆仅需约一小时的内容，随后需通过录制错误单词进行补充优化。为了获得正确的语气，大多数句子需要重新生成三到四次。此外，他采用音标拼写难词，并利用音频标签、大写和粗体来精确指导数字人的表达方式。
除了个人频道，Mayya还展示了Aeos为企业客户构建的定制化解决方案。例如，为印度超级板球联赛球队皇家挑战者班加罗尔队（RCB）制作地区语言的板球内容，为亚马逊Prime Video剧集《Mirzapur》第三季策划能在WhatsApp中嵌入观众姓名的个性化预告片，以及为班加罗尔交通警察提供AI数字人路况更新服务。这些案例表明，AI数字人已从简单的口播工具演变为具备深度本地化和互动能力的营销基础设施。