一家名为 Panjaya 的创业公司正在彻底改变视频翻译的游戏规则。经过三年秘密研发，该公司推出了突破性产品 BodyTalk，这是一款能够将视频中人物声音精准转换为其他语言的 AI 工具。不同于传统配音，BodyTalk 不仅能完美复制说话者的原声特征，还能自动调整视频中人物的面部表情和肢体动作，使其与新语言的语音模式自然匹配。
Panjaya 由两位以色列政府深度学习专家希利克·沙尼（Hilik Shani）和阿里尔·沙洛姆(Ariel Shalom)创立。2021年，两人离开政府部门创业，随后迎来了具有丰富行业经验的盖伊·皮克兹(Guy Piekarz)担任 CEO。皮克兹此前创立的流媒体发现与推荐平台 Matcha 曾在2013年被苹果公司收购。
图源备注：图片由AI生成，图片授权服务商Midjourney
目前，BodyTalk 已支持29种语言的翻译。其工作流程首先是进行音频翻译，然后生成模仿原声说话者的新语音，最后自动调整视频中说话者的口型和动作以匹配新的语言表达。虽然处理时间已接近实时，但目前仍需要几分钟才能完成一段视频的处理。
在技术层面，Panjaya 采用了混合策略，既利用第三方大语言模型，也自主研发核心技术。据皮克兹介绍，公司的唇形同步引擎完全由内部 AI 研究团队开发，因为市面上没有能满足其多角度、多说话者等复杂商业场景需求的解决方案。
公司目前专注于 B2B 市场，已与 JFrog 和 TED 等机构达成合作。TED 表示，使用 Panjaya 工具配音的讲座视频观看量增加了115%，完整观看率翻倍。公司计划进一步拓展体育、教育、营销和医疗等领域的应用。
为了避免技术滥用，Panjaya 严格控制工具的使用权限，并计划开发水印等功能来识别经过合成的视频内容。尽管字幕已成为视频内容的标配——据 CBS 调查显示，超过一半的美国观众会在观看时开启字幕——但国际市场对配音内容的需求依然巨大。研究机构 CSA 的数据表明，特别是在 B2B 领域，母语内容能带来更高的用户参与度。
此轮950万美元融资由多家投资机构和个人参与，包括 Viola Ventures、R-Squared Ventures 以及 JFrog 联合创始人兼 CEO 什洛米·本·海姆（Shlomi Ben Haim）等。未来，Panjaya 计划推出 API 接口，并进一步提升处理速度，向实时处理的目标迈进。