Poradnik Syntopia BOX
Każda transmisja AI zaczyna się od jednej decyzji: kto będzie prowadzącym. Ten poradnik pokazuje, jak stworzyć awatar AI — i jak wytrenować cyfrowego człowieka, który wygląda naturalnie przed kamerą — w Syntopia BOX, aplikacji na Windows działającej lokalnie na Twoim komputerze, która prowadzi live’a za Ciebie.

O jakości gotowej transmisji decyduje w dużej mierze to, co dzieje się przed startem, w kilku minutach nagrania, które podajesz trenerowi. Dobre nagranie sprawia, że awatar odwraca się w bok, napija się wody, unosi produkt przed obiektyw i mówi godzinami bez sztywnych ruchów. Słabe nagranie oznacza, że żadne późniejsze ustawienie w pełni tego nie naprawi.
Ten poradnik, który w pełnym przewodniku omawiamy w kilku zdaniach, rozwijamy tutaj: co nagrać, jaki wygląd wybrać, co potrafi wytrenowany awatar i dwa szczególne przypadki, które najczęściej sprawiają kłopot — trening z dwoma prowadzącymi oraz opcja Smart Recorded.
- Awatar AI w Syntopia BOX to syntetyczny prowadzący — wygenerowany przez AI, a nie prawdziwa osoba — zbudowany na podstawie krótkiego nagrania treningowego, które wgrywasz.
- Wybierz wygląd V5, aby uzyskać najszybszą i najbardziej niezawodną konfigurację.
- Dobre oświetlenie i stabilna kamera podczas treningu sprawiają, że awatar później wiarygodnie trzyma, nosi i pokazuje Twoje produkty.
- Możesz trenować z dwoma prowadzącymi (host + asystent) albo zaznaczyć Smart Recorded Only, aby zamienić długie nagranie z Tobą w interaktywną transmisję.
- Tworzenie awatara AI jest wliczone w każdy plan — wcześniej kosztowało $1,380 za awatar.
Co właściwie oznacza „stworzenie awatara AI”
Twój prowadzący AI ma dwie osobne części: jak wygląda (cyfrowy człowiek AI) i jak brzmi (model głosu). Ten wpis dotyczy wyglądu. Budujesz go w BOX w sekcji Step 1 — Create digital human, wgrywając krótkie wideo z prezenterem; BOX trenuje na tej podstawie model awatara. Efektem jest cyfrowy człowiek AI — syntetyczny, wygenerowany przez AI prowadzący, a nie kopia konkretnej prawdziwej osoby.
To rozróżnienie ma znaczenie zarówno dla oczekiwań, jak i dla zgodności z przepisami: po wytrenowaniu awatar jest w pełni napędzany przez AI — czyta Twój scenariusz, odpowiada na czat i porusza się samodzielnie. (Wyjątkiem jest Human Takeover, opisany niżej, gdzie twarzą jest prawdziwy człowiek, a AI steruje wyłącznie ruchem ust.)

Jakie nagranie zrobić do treningu
Wideo treningowe to najważniejsza dźwignia, jaką masz. BOX uczy się z tego klipu twarzy awatara, sylwetki i sposobu poruszania się, więc im czystsze i naturalniejsze nagranie, tym naturalniejszy będzie gotowy prowadzący. Nie potrzebujesz studia — potrzebujesz kontroli nad warunkami.
Kamera, światło i kadr
Nagrywaj ze stabilną kamerą (wystarczy statyw albo telefon oparty o coś solidnego) i przy dobrym, równomiernym świetle na twarzy prezentera. Filmuj na czystym, nieprzeładowanym tle, trzymaj prezentera dobrze w kadrze i unikaj ostrych cieni oraz okna świecącego pod światło. To te same warunki, których wymagają oficjalne poradniki BOX — „dobre oświetlenie i stabilna kamera” — bo drgania i nierówne światło w materiale źródłowym są dokładnie tym, przez co wytrenowany awatar wygląda nienaturalnie.
Jak prezenter ma zachowywać się przed kamerą
Niech prezenter mówi i zachowuje się tak, jak prawdziwy prowadzący podczas transmisji sprzedażowej: naturalnie mówi, gestykuluje, trochę się porusza i patrzy w obiektyw. BOX uczy się zakresu ruchu z zakresu ruchu — prezenter, który siedzi nieruchomo, da Ci awatara wyglądającego jak zamrożony, a prezenter poruszający się naturalnie da prowadzącego, który później sam będzie się obracał, pochylał i gestykulował.
- Stabilna kamera (statyw lub pewne mocowanie), prezenter na środku kadru.
- Miękkie, równomierne światło na twarzy; bez światła z tyłu i głębokich cieni.
- Czyste, proste tło bez ruchomych elementów za prezenterem.
- Prezenter mówi i porusza się naturalnie, wzrok skierowany w obiektyw.
- Czysty dźwięk, jeśli planujesz też sklonować głos prezentera.
Wybierz wygląd V5 dla najszybszej konfiguracji
Gdy wgrywasz wideo treningowe, BOX pyta, jaki wygląd awatara zbudować. Wybierz V5. To wersja, po którą warto sięgnąć, jeśli zależy Ci na najszybszej i najbardziej niezawodnej konfiguracji — to także wygląd, którego używają oficjalne poradniki zarówno przy treningu cyfrowego człowieka, jak i Smart Recorded czy Human Takeover. Jeśli nie masz konkretnego powodu, by eksperymentować, V5 to właściwy domyślny wybór przy pierwszym awatarze.
Co potrafi awatar po treningu
Dlatego warto poświęcić czas na jakość nagrania. Awatar Syntopia BOX nie jest statyczną głową mówiącą do kamery — po wytrenowaniu porusza się jak prawdziwa osoba. Odwraca się w bok, napija się wody, wychodzi z kadru i wraca, zasłania usta, podskakuje i robi przerwę między prezentacjami produktów.
Najczęściej wybieraną funkcją jest obsługa produktów. Awatar potrafi trzymać Twój produkt z bliska, nosić Twoje ubrania i pokazywać je kamerze — to różnica między prowadzącym AI, który tylko opisuje produkt, a takim, który go demonstruje, tak jak robi to człowiek w transmisji sprzedażowej.
Trzyma. Nosi. Pokazuje. Wytrenowany awatar może prezentować Twoje rzeczywiste produkty przed kamerą, a nie tylko o nich mówić.
Możesz też zbudować cały zespół awatarów, z których każdy jest trenowany osobno i ma własny głos, a dwóch z nich może dzielić jeden pokój jako współprowadzący. Dobre nagranie dla każdego z nich zwraca się przy każdej transmisji tego prowadzącego.
Trening z dwoma prowadzącymi (host + asystent)
Jeśli chcesz mieć prowadzącego i asystenta na ekranie, nagraj wideo treningowe z dwiema osobami w kadrze: główny prowadzący po lewej, asystent po prawej. Asystent może mówić, reagować i wchodzić oraz wychodzić z kadru w trakcie nagrania — ten zakres ruchu pozwala wytrenowanemu asystentowi robić to samo podczas Twojej transmisji na żywo.
Jedno ustawienie warto zapamiętać: podczas treningu w ten sposób zaznacz opcję mouth closed, aby główny prowadzący milczał, gdy mówi asystent. Efekt widać w pokoju live’owym — trening z dwiema osobami sprawia, że asystent faktycznie pojawia się na ekranie (po prawej) i może czytać jego kwestie w nawiasach albo odpowiadać na czat. Jeśli trenujesz z jedną osobą, asystent nadal istnieje, ale jako sam głos, bez drugiej postaci na ekranie.
Dopasuj nagranie do sposobu transmisji
Trzy z pięciu sposobów prowadzenia transmisji opierają się na materiale, który nagrywasz sam, a każdy z nich wymaga nieco innego klipu treningowego. Nagrywaj pod tryb, którego naprawdę zamierzasz użyć.
| Tryb | Co nagrać | Trenuj jako | Kluczowe ustawienie |
|---|---|---|---|
| Standardowy cyfrowy człowiek AI | Krótki klip prezentera mówiącego i poruszającego się naturalnie. | Cyfrowy człowiek, wygląd V5 | — |
| Smart Recorded Stream | 3–4 godziny Twojego prowadzenia, dobre światło i stabilna kamera. | Cyfrowy człowiek, wygląd V5 | Zaznacz Smart Recorded Only |
| Human Takeover | Klip nagrany w tym samym stałym ustawieniu, świetle i odległości, w których będziesz prowadzić transmisję. | Cyfrowy człowiek, wygląd V5 | Kamera w rozdzielczości 1920×1080 podczas transmisji |
Opcja Smart Recorded
Smart Recorded zamienia długie nagranie Ciebie w interaktywną transmisję: widzowie oglądają Twoje prawdziwe nagranie, a gdy zadadzą pytanie, AI odpowiada Twoim głosem, z poruszającymi się ustami. Aby to skonfigurować, nagraj 3–4 godziny swojego prowadzenia przy dobrym świetle i stabilnej kamerze, a następnie wytrenuj je jako cyfrowego człowieka — wgraj z wyglądem V5 i zaznacz Smart Recorded Only. Nie musisz pisać scenariusza produktów; BOX buduje go z Twojego nagrania za pomocą rozpoznawania mowy, a karty produktów wyskakują, gdy produkt zostanie wspomniany. Ponieważ widzowie oglądają Twoje autentyczne nagranie z lip-sync AI, deduplikacja nie jest potrzebna.
Uwaga o nagraniach do Human Takeover
Human Takeover działa inaczej: tam prawdziwa osoba jest twarzą transmisji, a AI porusza wyłącznie ustami, by pasowały do scenariusza — w tym trybie nie jest to awatar AI. Warto jednak zrobić dla niego wytrenowany wygląd, dlatego zaleca się wytrenować wygląd V5 na wideo nagranym w tym samym stałym ustawieniu, świetle i odległości, w których faktycznie będziesz siedzieć podczas transmisji. Im bliżej nagranie treningowe odpowiada warunkom na żywo, tym czystsze przejęcie.
Nadaj awatarowi głos
Wygląd wymaga głosu. Po wytrenowaniu awatara możesz sklonować głos na podstawie kilkunastu sekund wyraźnego nagrania albo wybrać jeden z gotowych głosów. Są dwie rodziny głosów: V6 (dostrojona głównie do angielskiego) oraz V10 (także angielski, ale stworzona z myślą o głosach w językach obcych). V10 obsługuje ponad 600 języków, a najpopularniejsze są wstępnie załadowane podczas konfiguracji transmisji. Aby prowadzić transmisję w konkretnym języku, nagrywasz krótką próbkę w tym języku, trenujesz na niej głos V10 i piszesz scenariusz w tym języku — dzięki temu prowadzący mówi nim własnym głosem. Jeśli języka nie ma na liście, przetłumacz treść i wklej ją, albo poproś o dodanie. Klonowanie głosu, podobnie jak tworzenie awatara, jest wliczone w plan — pełne kroki dotyczące głosu i pokoju live znajdziesz w pełnym przewodniku po Syntopia BOX.
Stwórz awatar AI krok po kroku
Dla sprzedawców z Polski
Polscy widzowie są przyzwyczajeni do wieczornego oglądania, więc planuj transmisje na godziny po pracy, liczone w czasie polskim (CET/CEST), a nie czasie, w którym siedzisz przy komputerze. W Polsce najmocniej rozwija się sprzedaż na żywo na TikToku i YouTube, a prowadzący AI sprawdza się zwłaszcza tam, gdzie transmisje mają się powtarzać przez wiele godzin bez zmęczenia. Przy nagraniu treningowym pomyśl też o tym, co pokażesz: skoro awatar potrafi trzymać i nosić produkt, to właśnie demonstracja, a nie opis, przekona klienta.
Sezonowość też ma znaczenie. Black Friday, przedświąteczne wyprzedaże przed Bożym Narodzeniem i okres przed Wielkanocą to momenty, w których klienci z Polski aktywnie szukają okazji. Przy płatnościach warto w scenariuszu wspomnieć o wygodnych metodach, z których polscy kupujący chętnie korzystają, takich jak BLIK i płatność przy odbiorze, oraz o czasie dostawy. Zanim wystartujesz, sprawdź też, czy Twój sposób informowania o prowadzącym AI jest zgodny z wymaganiami polskiego rynku i Twojej platformy — to proste, a unika nieporozumień z widzami.
Tworzenie awatara AI jest wliczone w każdy plan Syntopia BOX — aktualne plany znajdziesz na stronie cennika, a następnie przejdź przez pełny przewodnik, aby zbudować pokój live i wystartować.
Najczęściej zadawane pytania
Jakie nagranie potrzebuję, aby stworzyć awatar AI w Syntopia BOX?
Krótkie wideo z prezenterem, nagrane stabilną kamerą, przy dobrym, równomiernym świetle, na czystym tle. Prezenter powinien mówić i poruszać się naturalnie, patrząc w obiektyw. Im czystsze i naturalniejsze nagranie, tym naturalniej będzie wyglądał i poruszał się wytrenowany awatar AI.
Czym jest wygląd V5 i dlaczego go wybrać?
V5 to wygląd awatara, który wybierasz podczas wgrywania wideo treningowego. Zapewnia najszybszą i najbardziej niezawodną konfigurację i jest wersją użytą w oficjalnych poradnikach dotyczących cyfrowego człowieka, Smart Recorded i Human Takeover. Przy pierwszym awatarze V5 to zalecany wybór domyślny.
Czy mogę wytrenować awatar AI z dwoma prowadzącymi?
Tak. Nagraj wideo treningowe z dwiema osobami — głównym prowadzącym po lewej i asystentem po prawej — i zaznacz opcję mouth closed, aby prowadzący milczał, gdy mówi asystent. Trening z dwiema osobami umieszcza asystenta na ekranie (po prawej); trening z jedną osobą daje asystenta tylko jako głos.
Czym awatar Smart Recorded różni się od standardowego awatara AI?
Standardowy awatar AI to syntetyczny prowadzący wygenerowany z krótkiego klipu. Smart Recorded wykorzystuje natomiast długie nagranie Ciebie (3–4 godziny), dzięki czemu widzowie oglądają Twoje prawdziwe nagranie, a AI dopasowuje ruch ust do odpowiedzi Twoim głosem. Trenujesz go jako cyfrowego człowieka z wyglądem V5 i zaznaczasz Smart Recorded Only.
Czy każdy awatar AI kosztuje dodatkowo?
Nie — tworzenie awatara AI jest wliczone w każdy plan Syntopia BOX. Wcześniej kosztowało $1,380 za awatar. Możesz zbudować i wytrenować więcej niż jednego awatara i nadać każdemu własny głos.
Czy mój awatar AI może trzymać i nosić moje produkty?
Tak. Po wytrenowaniu awatar porusza się jak prawdziwa osoba: może trzymać produkt z bliska, nosić Twoje ubrania i pokazywać je kamerze, a także odwracać się, gestykulować i robić przerwy. Dlatego naturalny ruch w materiale treningowym ma znaczenie.
Czy awatar AI może mówić po polsku?
Tak. Nagrywasz krótką próbkę w języku polskim, trenujesz na niej głos V10 i piszesz scenariusz po polsku, dzięki czemu prowadzący mówi po polsku własnym głosem. Jeśli polskiego nie ma na liście wstępnie załadowanych języków, przetłumacz treść i wklej ją albo poproś o dodanie.