Synthesia

Synthesia คือแพลตฟอร์ม ai วิดีโอสำหรับองค์กร สัญชาติอังกฤษ ก่อตั้งปี 2017 ที่กรุงลอนดอน โดย Victor Riparbelli (CEO), Steffen Tjerrild, ศาสตราจารย์ Matthias Niessner และศาสตราจารย์ Lourdes Agapito (synthesia.io; Wikipedia) งานหลักของแพลตฟอร์มคือแปลงสคริปต์ข้อความที่ผู้ใช้พิมพ์ ให้กลายเป็นวิดีโอที่มี "ผู้ประกาศ" เป็น AI avatar พูดตามสคริปต์นั้น พร้อมเสียงสังเคราะห์ที่ sync ปากให้อัตโนมัติ โดยไม่ต้องมีกล้อง สตูดิโอ หรือนักแสดงจริงมาถ่ายทำ จุดที่ทำให้ต่างจากเครื่องมือสาย generative-ai ที่สร้างทั้งฉากใหม่จากคำสั่ง อย่าง sora, veo หรือ runway คือ Synthesia เน้นให้ "คนพูดหน้ากล้อง" แบบทำซ้ำได้ (คนเดิม เสื้อผ้าเดิม ฉากเดิม) ไม่ใช่การสร้างฉากหรือเหตุการณ์ใหม่ทั้งหมด

บริษัทระบุบนหน้าเว็บทางการ (ข้อมูล ณ สิงหาคม 2026) ว่ามี avatar ให้เลือกกว่า 240 แบบ และรองรับเสียงสังเคราะห์มากกว่า 160 ภาษา โดยจำนวน avatar ที่ใช้ได้จริงขึ้นกับแพ็กเกจ แผนระดับล่างเข้าถึงได้น้อยกว่ามาก ตัวเลขชุดนี้เป็นตัวเลขการตลาดที่บริษัทเผยแพร่เอง ยังไม่มีการตรวจสอบจากภายนอก ผู้ใช้เลือก avatar เลือกเสียง วางสคริปต์ แล้วระบบ render วิดีโอออกมาให้เอง (synthesia.io) ด้านธุรกิจ บริษัทระดมทุนรอบ Series E มูลค่า 200 ล้านดอลลาร์สหรัฐ เมื่อ 26 มกราคม 2026 นำโดย Google Ventures (GV) ทำให้บริษัทมีมูลค่าราว 4,000 ล้านดอลลาร์สหรัฐ เพิ่มขึ้นเกือบสองเท่าจากรอบ Series D ปีก่อนหน้าที่ 2,100 ล้านดอลลาร์ (synthesia.io; Wikipedia) บริษัทระบุว่ามีผู้ใช้กว่า 1 ล้านคน มีทีมกว่า 50,000 ทีมใช้งาน และราว 90% ของบริษัทในกลุ่ม Fortune 100 เป็นลูกค้า ทั้งหมดนี้เป็นตัวเลขที่บริษัทแถลงเอง ไม่มีแหล่งอิสระยืนยัน และนิยามของคำว่า user, team, ลูกค้า ไม่ตรงกันในแต่ละแหล่ง (synthesia.io)

คนทำงานในองค์กรไทยมักเจอ Synthesia ตอนฝ่าย L&D หรือ HR ต้องทำวิดีโอเทรนนิ่งพนักงาน วิดีโอ onboarding พนักงานใหม่ ประกาศภายในจากผู้บริหาร หรือแปลคอร์สเดิมเป็นหลายภาษาโดยไม่ต้องจ้างนักพากย์ใหม่ทุกภาษา จุดที่ต้องระวังคือสิทธิ์เหนือหน้าตาและเสียง: Synthesia ระบุนโยบายว่าจะไม่สร้าง avatar ของใครโดยไม่ได้รับความยินยอมชัดเจนจากเจ้าของก่อน และมี moderation ตรวจตั้งแต่จุดสร้างวิดีโอ ไม่ใช่ตรวจหลังเผยแพร่ (synthesia.io/ethics) แต่ในทางปฏิบัติ Acceptable Use Policy ยังจำกัดสิทธิ์ตามแพ็กเกจ เช่น ห้ามใช้บริการแอบอ้างเป็นบุคคลหรือองค์กรอื่นในลักษณะที่ตั้งใจหลอกหรือมีแนวโน้มทำให้ผู้ชมเข้าใจผิด โดยตัวบทระบุเจาะจงถึงเนื้อหาที่ผลิตจากแพ็กเกจที่ไม่ใช่ enterprise · การนำ Stock Avatar (avatar สำเร็จรูปในคลัง) ไปใช้ในรายการทีวี ข่าว การระดมทุน การหาเสียงการเมือง หรือการให้ความเห็นต่อเหตุการณ์ปัจจุบันและประเด็นที่อ่อนไหว ต้องได้รับความยินยอมเป็นลายลักษณ์อักษรจาก Synthesia ก่อน · ส่วน Custom Avatar ต้องมีความยินยอมจากตัวบุคคลนั้น และเปิดให้ใช้เฉพาะบางแพ็กเกจเท่านั้น (synthesia.io/legal/acceptable-use-policy) ก่อนหน้านี้เคยมีเคสจริงที่ระบบถูกใช้ผิดทาง: สื่อของรัฐบาลเวเนซุเอลาเคยใช้ avatar ที่สร้างด้วย Synthesia ปั้นเป็นผู้ประกาศข่าวช่องต่างประเทศปลอมเพื่อกระจายข่าวสนับสนุนรัฐบาล ตามรายงานของ MIT Technology Review ปี 2023 (MIT Technology Review) หลังเป็นข่าว Synthesia ระงับบัญชีผู้ใช้รายนั้นฐานผิดเงื่อนไขการใช้งาน และปรับนโยบายเพิ่ม เช่น จำกัดเนื้อหารูปแบบรายงานข่าวและเพิ่มความเข้มของการตรวจก่อนปล่อยวิดีโอ และในสหภาพยุโรป eu-ai-act มาตรา 50 เริ่มบังคับใช้วันที่ 2 สิงหาคม 2026 โดยแยกหน้าที่เป็นสองฝั่ง: ผู้ให้บริการระบบ AI (provider) ต้องทำให้ผลลัพธ์ที่สร้างหรือดัดแปลงด้วย AI ถูก mark ในรูปแบบที่เครื่องอ่านได้ (machine-readable) ส่วนองค์กรที่นำไปใช้และเผยแพร่ (deployer) ต้องเปิดเผยต่อผู้ชมว่าเนื้อหา deepfake นั้นสร้างหรือดัดแปลงด้วย AI ทั้งนี้ระบบที่วางตลาดอยู่ก่อน 2 สิงหาคม 2026 ได้ผ่อนผันหน้าที่ mark เนื้อหาออกไปถึง 2 ธันวาคม 2026 จุดที่คนไทยมักเข้าใจผิดคือคิดว่าหน้าที่ติด label อยู่ที่ผู้ขายเครื่องมือฝ่ายเดียว แต่องค์กรที่เอาวิดีโอไปเผยแพร่เองก็มีหน้าที่เปิดเผยด้วย (synthesia.io/ethics) องค์กรที่จะใช้เครื่องมือนี้จึงควรมี ai-policy ภายในที่เขียนชัดเรื่องการขอ consent และการเปิดเผยว่าใช้ AI ก่อนนำไปใช้จริง

ตัวอย่างจากบทสนทนาจริง

ฝ่าย L&D: "เราอยากทำวิดีโอ onboarding พนักงานใหม่เป็นภาษาไทย อังกฤษ และเวียดนามพร้อมกัน แต่งบไม่พอจ้างนักแสดงถ่ายสามภาษา ใช้ Synthesia ได้ไหมคะ แล้วต้องขออนุญาตใครหรือเปล่า"

ทีม IT/กฎหมาย: "ใช้ได้ครับ วางสคริปต์แล้วเลือก avatar กับเสียงในระบบ มันจะ sync ปากให้เองครบสามภาษา แต่ถ้าอยากเอาหน้าตาหรือเสียงของพนักงานจริงคนใดคนหนึ่งมาทำเป็น custom avatar ไม่ใช่ avatar สำเร็จรูปในคลัง ต้องได้รับความยินยอมจากเจ้าของหน้าตาและเสียงคนนั้นก่อนเสมอตามนโยบายของ Synthesia และฟีเจอร์นี้เปิดให้ใช้เฉพาะบางแพ็กเกจ ต้องเช็คแพ็กเกจที่องค์กรถืออยู่ก่อนวางแผน"

ระวังสับสนกับ

• sora : Sora สร้างวิดีโอทั้งฉากใหม่จากคำสั่งข้อความ (generative scene) และมีฟีเจอร์ cameo ที่ดึงคนเดิมกลับมาใช้ซ้ำข้ามคลิปได้ แต่จุดยืนต่างกันที่ Synthesia ออกแบบมาเพื่องานสื่อสารองค์กรแบบ talking head ที่คุมสคริปต์ ฉาก และเสียงหลายภาษาให้คงที่ ส่วน Sora เน้นสร้างฉากและเหตุการณ์ใหม่
• veo : Veo เป็นโมเดลสร้างวิดีโอจากข้อความ/ภาพ เน้นสร้างฉากและการเคลื่อนไหวใหม่ ต่างจาก Synthesia ที่โฟกัสคนพูดหน้ากล้องคงที่ซ้ำๆ ได้
• runway : Runway เน้นเครื่องมือสร้างและตัดต่อวิดีโอเชิงสร้างสรรค์ (generative video ปรับฉาก ใส่ effect) ส่วน Synthesia เจาะกลุ่มวิดีโอสื่อสารในองค์กรที่ต้องมีคนพูดหน้ากล้องแบบทำซ้ำได้
• deepfake : Deepfake คือสื่อปลอมที่ทำให้บุคคลจริงดูเหมือนพูดหรือทำสิ่งที่ไม่เคยทำ มักไม่ได้รับความยินยอมจากเจ้าของหน้าตา/เสียง ส่วน avatar ของ Synthesia ตามนโยบายบริษัทต้องผ่านการขอความยินยอมก่อนเสมอ แม้จะใช้เทคโนโลยีตระกูลเดียวกัน และเคยถูกใช้ผิดทางกลายเป็น deepfake จริงมาแล้วในบางเคส
• elevenlabs : ElevenLabs เน้นสร้างและโคลน "เสียง" อย่างเดียว ส่วน Synthesia ครอบคลุมทั้งภาพ (avatar หน้าตา) และเสียงพูดรวมอยู่ในวิดีโอเดียว