Poradnik Syntopia BOX
Chcesz sprzedawać na żywo bez pokazywania twarzy? Nie musisz być przed kamerą i nie musisz też mieć awatara na ekranie. Dzięki Syntopia BOX poprowadzisz transmisję na żywo z głosem AI, bez awatara — to Twoja prawdziwa kamera albo Twoje produkty wypełniają ekran, a głos AI prezentuje, sprzedaje i odpowiada na pytania z czatu za Ciebie.

Wielu sprzedawców zatrzymuje się w tym samym miejscu: produkty są gotowe, transmisja mogłaby trwać godzinami, ale nikomu nie chce się siedzieć cały dzień przed kamerą — albo w ogóle pokazywać twarzy. Nieśmiałość przed kamerą, prywatność albo po prostu to, że gwiazdą jest produkt, a gadająca głowa tylko zasłania obraz.
Ten poradnik opisuje dwa tryby sprzedaży na żywo bez twarzy w Syntopia BOX — Real-Scene Live Stream oraz AI Hosting Assistant — dzięki którym wejdziesz na żywo z samymi produktami na ekranie, a mówi głos AI. Pełny przewodnik od instalacji do pierwszej transmisji, dla każdego typu streamu, znajdziesz w kompletnym poradniku Syntopia BOX.
- Bez twarzy, bez awatara: oba tryby pokazują na ekranie Twoją kamerę lub produkty — nie ma cyfrowego człowieka AI ani potrzeby angażowania prowadzącego.
- Real-Scene Live Stream = produkty albo fizyczna przestrzeń na kamerze, a głos AI według skryptu sprzedaje i odpowiada widzom.
- AI Hosting Assistant = Twoja własna kamera na ekranie i głos AI, który odzywa się tylko wtedy, gdy widz zada pytanie.
- Głos jest głosem AI — sklonuj go z kilku sekund nagrania albo wybierz gotowy; w wersji V10 sprzedasz w ponad 600 językach (dla każdego rynku trenujesz osobny głos).
- Żaden z trybów nie wymaga OBS ani deduplikacji: oba korzystają z prawdziwej kamery na żywo.
Czym właściwie jest sprzedaż na żywo „tylko z głosem”
Zwykła transmisja na żywo z AI w Syntopia BOX umieszcza na ekranie cyfrowego człowieka AI. Sprzedaż tylko z głosem (voiceover) całkowicie rezygnuje z tej twarzy. Obraz pochodzi z prawdziwej kamery — skierowanej na Twoje produkty, sklep albo prowadzącego — a cała inteligencja siedzi w głosie: to głos AI, który czyta Twój skrypt, reaguje na to, co dzieje się na transmisji, i odpowiada kupującym w czasie rzeczywistym.
Syntopia BOX daje dwa sposoby, żeby to zrobić, a wybór zależy od tego, ile gadania chcesz zostawić AI:
| Real-Scene Live Stream | AI Hosting Assistant | |
|---|---|---|
| Na ekranie | Twoje produkty, sklep lub fizyczna przestrzeń — nikt nie jest potrzebny | Twoja własna kamera — Ty, prowadzący albo produkty |
| Skrypt | Tak — napisany przez Ciebie lub przez AI; głos prezentuje bez przerwy | Brak — głos milczy, dopóki ktoś nie zapyta |
| Rola głosu AI | Prowadzi całą transmisję i odpowiada na czacie | Odpowiada tylko na pytania widzów |
| Awatar na ekranie | Nie | Nie |
| OBS / deduplikacja | Niepotrzebne | Niepotrzebne |
| Najlepsze do | Jedzenie, handel detaliczny, pokazy produktów, rozpakowywanie (unboxing) | Dodanie żywego wsparcia AI na czacie do transmisji z produktem lub z człowiekiem |

Zanim zaczniesz: jednorazowa konfiguracja
Oba tryby stoją na tym samym fundamencie. Syntopia BOX to aplikacja na Windows działająca lokalnie, na Twoim własnym komputerze, która podaje obraz i głos do Twojej aplikacji do transmisji (w przykładach używamy TikTok LIVE Studio, ale każda obsługiwana platforma działa tak samo). Konfigurujesz to tylko raz:
- Wirtualna kamera: w folderze human-infer w BOX kliknij dwukrotnie Install Camera, aby utworzyć urządzenie HD Camera.
- Wirtualna karta dźwiękowa: zainstaluj VB-Audio Virtual Cable (uruchom jako administrator → Install Driver → zrestartuj komputer), a następnie ustaw wyjście dźwięku systemu na CABLE Input.
- Uruchom BOX: kliknij dwukrotnie Start w folderze human-infer i poczekaj, aż konsola przestanie się przewijać. Trzymaj ją otwartą przez cały czas transmisji.
Pełną instrukcję krok po kroku dla tego etapu znajdziesz w kompletnym poradniku — ten wpis skupia się na tym, co zmienia się po wybraniu trybu bez twarzy.
Daj transmisji jej głos
Skoro na ekranie nie ma twarzy, to głos jest prowadzącym — dlatego warto go dobrze dobrać. Możesz sklonować głos z kilku sekund wyraźnego nagrania albo wybrać jeden z gotowych głosów. Głos AI to syntetyczny model głosu, a nie żywa osoba. Są dwie rodziny głosów: V6 (dostrojona głównie do angielskiego) i V10 (również angielski, ale stworzona z myślą o głosach obcojęzycznych). V10 obsługuje ponad 600 języków, z najpopularniejszymi wgranymi na start; żeby sprzedawać na danym rynku, nagrywasz krótką próbkę w tym języku, trenujesz na niej głos V10 i piszesz skrypt w tym języku. Głos wybierasz w Settings każdego pokoju, zanim wejdziesz na żywo.
Tryb 1 — Real-Scene Live Stream (produkty na kamerze, sprzedaje AI)
Real-Scene Live Stream to najczystszy układ bez twarzy: fizyczny produkt wypełnia cały obraz, a głos AI według skryptu robi całą sprzedaż. Nikogo nie ma na kamerze i nie ma awatara. Tryb powstał dla stoisk z jedzeniem, półek sklepowych, biżuterii, gadżetów — wszystkiego, co sprzedaje się lepiej pokazane niż opisane.
Jak ustawić Real-Scene Live Stream
- Skieruj kamerę na produkty. Podłącz kamerkę internetową albo kamerę z kartą przechwytującą, nakierowaną na produkt, sklep lub przestrzeń. Dobre oświetlenie liczy się tu bardziej niż gdziekolwiek indziej — to obraz jest Twoim prezenterem.
- Utwórz pokój. Kliknij New Livestream → Real Scene (to typ bez awatara prowadzącego).
- Dodaj produkty i skrypty. Dodaj produkty, a potem napisz skrypty sam albo pozwól, żeby tryb AI Stream Mode ułożył je na podstawie nazwy produktu, ceny i zalet. Głos czyta je bez przerwy, żeby pokój cały czas żył.
- Wybierz głos. W Settings wskaż sklonowany lub gotowy głos.
- Wejdź na żywo. Kliknij Go Live Now. W TikTok LIVE Studio dodaj swoją prawdziwą kamerę jako źródło wideo i ustaw Microphone = CABLE Output, żeby głos AI wchodził przez wirtualny kabel.
Ponieważ to prawdziwa kamera na żywo, nie ma niczego, co platforma mogłaby oznaczyć jako nagranie z taśmy, więc nie potrzebujesz OBS ani deduplikatora. Włącz Smart Live Chat (poniżej), a ten sam głos AI, który czyta Twój skrypt, odpowie też kupującym piszącym na czacie.
Tryb 2 — AI Hosting Assistant (Twoja kamera, AI odpowiada)
AI Hosting Assistant odwraca proporcje. Tu nie ma żadnego skryptu i nie ma awatara — głos AI milczy, dopóki widz o coś nie zapyta, a wtedy odpowiada na głos z Twojej bazy wiedzy. Obraz to po prostu Twoja własna kamera: Ty, współpracownik albo produkty. To sposób, żeby dołożyć do transmisji niezmordowany i zawsze precyzyjny głos wsparcia, bez pisania całego show.
Jak ustawić transmisję AI Hosting Assistant
- Utwórz pokój. Kliknij New Live Stream → AI Hosting Assistant. Nie ma cyfrowego człowieka ani skryptu do pisania.
- Dodaj produkty. Wypisz produkty, które będziesz omawiać, żeby asystent wiedział, o czym odpowiada.
- Włącz Smart Live Chat. W zakładce AI Chat włącz Smart Live Chat i dodaj wiedzę o produktach do bazy wiedzy (do 20 000 znaków — ceny, rozmiary, wysyłka, zwroty, częste pytania).
- Skieruj odpowiedzi na głos. Ustaw Live Chat Method i zaznacz Assistant, żeby odpowiedzi wychodziły jako wypowiadany dźwięk, a potem wybierz głos asystenta w Settings.
- Opublikuj i wejdź na żywo. Kliknij Save & Publish, potem Go Live Now, i dodaj kamerę jako źródło wideo w aplikacji do transmisji z ustawieniem Microphone = CABLE Output.
To coś innego niż głos asystenta wewnątrz transmisji z cyfrowym człowiekiem, który czyta linie skryptu w nawiasach. W trybie AI Hosting Assistant głos jest czysto reaktywny — to żywe FAQ, które mówi.
Jak głos AI naprawdę odpowiada kupującym
Oba tryby czerpią inteligencję z tego samego miejsca: ze Smart Live Chat i własnej bazy wiedzy. Podłącz model AI (wklej klucz API od dostawcy takiego jak OpenAI albo DeepSeek), wypełnij bazę wiedzy swoimi prawdziwymi cenami, zasadami wysyłki i odpowiedziami o stanie magazynu, a AI czyta czat i odpowiada w czasie rzeczywistym — na głos, Twoim wybranym głosem. Im lepsza baza wiedzy, tym lepsze odpowiedzi.
W Real-Scene możesz też zostawić włączony Proactive Live Chat, żeby głos witał nowych widzów, prosił o obserwacje i polubienia oraz zachęcał do zakupu w przerwach między produktami. W trybie AI Hosting Assistant stawiasz na stronę reaktywną — niech obraz niesie człowiek albo produkt, a głos AI łapie każde pytanie, które inaczej zostałoby bez odpowiedzi.
Twoje produkty zostają na ekranie; głos AI utrzymuje rozmowę w pokoju, sprzedaje i odpowiada — bez pokazywania twarzy.
Który tryb bez twarzy wybrać?
Oba tryby działają całą dobę na Twoim własnym komputerze, więc pokój bez twarzy może być na żywo znacznie dłużej niż człowiek-prowadzący — to jeden z powodów, dla których sprzedaż na żywo z AI kosztuje ułamek stawki godzinowej profesjonalnego prowadzącego (od około 2,26 USD/godz. w aktualnych planach; zobacz stronę z cennikiem Syntopia).
- Nie ukrywaj, że głos jest głosem AI — to głos AI, a nie ukryta żywa osoba.
- W Real-Scene nikogo nie ma na kamerze, więc nie ma wizerunku do ujawnienia — jest tylko głos AI.
- W AI Hosting Assistant, jeśli na kamerze jest prawdziwa osoba, to jest tam naprawdę; sztuczny jest tylko głos odpowiadający na pytania.
Inna droga bez twarzy: sklonowany awatar AI
Tryb tylko z głosem to nie jedyny sposób, żeby zostać poza kamerą. Jeśli wolisz mieć prezentera na ekranie, ale nadal nie może to być Ty, możesz sklonować siebie — albo modelkę czy modela — jako awatar AI i pozwolić, żeby ten awatar poprowadził transmisję. Trenujesz cyfrowego człowieka AI z krótkiego wideo (Twojego albo prezentera, który wyraził na to zgodę), i od tej pory awatar wchodzi na żywo, sprzedaje i sam odpowiada na czacie — a Ty nigdy nie siedzisz przed kamerą.
Czyli „bez twarzy” obejmuje tak naprawdę dwie drogi i wybierasz tę, która Ci pasuje: zostań całkiem bez prowadzącego z trybami Real-Scene lub AI Hosting Assistant powyżej, albo postaw na ekranie sklonowany awatar, żeby twarz była — tyle że nigdy Twoja na żywo. Oba korzystają z tego samego głosu AI i Smart Live Chat; jedyna różnica to to, czy na ekranie pojawia się syntetyczny prowadzący.
Dla polskich sprzedawców: sprzedaż na żywo bez twarzy w praktyce
TikTok działa w Polsce, więc tryby bez twarzy pasują wprost do naszego rynku. Obraz produktu i głos AI po polsku to niski próg wejścia dla małych marek, lokalnych rękodzielników i sklepów, które nie chcą stawiać właściciela przed kamerą. Pamiętaj tylko, że polska transmisja potrzebuje własnego, wytrenowanego głosu w języku polskim i skryptów po polsku — to decyduje o tym, czy brzmi naturalnie dla kupujących.
Dopasuj godziny do polskiego rytmu zakupów. Pokój bez twarzy może działać długo, ale szczyt oglądalności to zwykle wieczory w strefie czasowej środkowoeuropejskiej (CET/CEST), gdy widzowie przeglądają telefon po pracy. Warto też zaplanować dłuższe maratony na żywo wokół okresów, gdy Polacy kupują najwięcej: Black Friday i Cyber Monday pod koniec listopada, gorączka przedświąteczna w grudniu oraz fale wyprzedaży i „dni darmowej dostawy” w ciągu roku. W tych momentach głos AI, który nie męczy się po kilku godzinach, naprawdę się przydaje.
Zadbaj o to, czego oczekuje polski kupujący, i wpisz to do bazy wiedzy, żeby głos AI odpowiadał trafnie: szybka wysyłka kurierem i do paczkomatów, popularna płatność BLIK i płatność przy odbiorze, jasne zasady zwrotów oraz ceny w złotych. Gdy ktoś na czacie pyta „ile dostawa?” albo „czy mogę zwrócić?”, dobrze przygotowana baza wiedzy po polsku sprawia, że odpowiedź pada natychmiast i po ludzku. Zachowaj też uczciwość wobec widzów — tam, gdzie Twój rynek tego oczekuje, wyraźnie zaznacz, że odpowiada głos AI, zgodnie z lokalnymi zasadami ochrony konsumenta.
Najczęściej zadawane pytania
Czy mogę prowadzić transmisję i sprzedawać bez pokazywania twarzy?
Tak. Syntopia BOX ma dwa tryby bez twarzy. Real-Scene Live Stream pokazuje na kamerze Twoje produkty lub sklep, a głos AI prezentuje i odpowiada na czacie — bez żadnej osoby i bez awatara na ekranie. Tryb AI Hosting Assistant pokazuje Twoją własną kamerę, a głos AI odpowiada wyłącznie na pytania widzów. Żaden z nich nie wymaga, żebyś pojawił się na kamerze.
Czym różni się Real-Scene od AI Hosting Assistant?
Real-Scene Live Stream korzysta ze skryptu: głos AI prowadzi całą transmisję, bez przerwy prezentuje produkty i odpowiada na czacie. AI Hosting Assistant nie ma skryptu — głos milczy, dopóki widz nie zada pytania, a wtedy odpowiada z Twojej bazy wiedzy. Real-Scene to pełne show bez twarzy; Hosting Assistant to reaktywny głos wsparcia nałożony na Twoją własną kamerę.
Czy głos AI to mój prawdziwy głos?
Głos to model głosu AI. Możesz sklonować głos z kilku sekund wyraźnego nagrania albo wybrać gotowy. W wersji V10 obsługuje ponad 600 języków; żeby sprzedawać na danym rynku, nagrywasz krótką próbkę w tym języku, trenujesz na niej głos V10 i piszesz skrypt w tym języku. To syntetyczny dźwięk generowany na żywo, a nie nagranie osoby czytającej każdą linijkę.
Czy do transmisji bez twarzy potrzebuję OBS albo deduplikatora?
Nie. Zarówno Real-Scene Live Stream, jak i AI Hosting Assistant korzystają z prawdziwej kamery na żywo, więc nie ma niczego, co wyglądałoby na nagranie z taśmy i co platforma mogłaby oznaczyć. OBS i OBS Real-Time Deduplicator są potrzebne dopiero wtedy, gdy wchodzisz na żywo z nagranego pliku wideo, a to inny typ transmisji.
Jak głos AI odpowiada kupującym dokładnie?
Podłączasz model AI z własnym kluczem API i wypełniasz własną bazę wiedzy (do 20 000 znaków) cenami, rozmiarami, wysyłką, zwrotami i częstymi odpowiedziami. Smart Live Chat czyta wiadomości widzów i odpowiada w czasie rzeczywistym na głos, Twoim wybranym głosem. Im pełniejsza baza wiedzy, tym dokładniejsze odpowiedzi.
Czy mogę prowadzić kilka pokojów bez twarzy naraz?
Tak. Jeden komputer obsługuje jeden pokój na żywo. Żeby prowadzić więcej jednocześnie, dokładasz kolejne komputery i kolejne konta Syntopia BOX — jedno konto i jeden slot transmisji na każdy równoległy pokój. Nie ma sztywnego limitu; skaluje się do praktycznie nieograniczonej liczby pokojów, ograniczonej tylko przez komputery i konta za nimi stojące.