其他行业 · AI应用
在 AWS 上利用生成式 AI 进行 AI 视频制作
Synthesia 面临简化视频制作的挑战，传统视频制作需要大量时间和资源。为解决此问题，该公司利用 NVIDIA GPU 驱动的 Amazon EC2 实例和 AWS 上的 PyTorch，开发了一项生成式 AI 视频创建服务。这一创新方法使客户能够快速高效地从文本提示生成逼真的视频。结果，Synthesia 实现了机器学习模型训练吞吐量 30 倍的提升，用户增长率达到 456%，显著增强了其市场地位和客户满意度。
ML 模型训练吞吐量提升
30倍
来源披露
用户增长
456%
来源披露
小型语音模型训练时间
从数天缩短至数小时
来源披露
01
业务背景
Synthesia 面临简化视频制作的挑战，传统视频制作需要大量时间和资源。为解决此问题，该公司利用 NVIDIA GPU 驱动的 Amazon EC2 实例和 AWS 上的 PyTorch，开发了一项生成式 AI 视频创建服务。这一创新方法使客户能够快速高效地从文本提示生成逼真的视频。结果，Synthesia 实现了机器学习模型训练吞吐量 30 倍的提升，用户增长率达到 456%，显著增强了其市场地位和客户满意度。
02
遇到的问题
Synthesia found that training ML models on on-premises computers had become inefficient. Businesses traditionally face steep video production costs and long processes.
03
AI 解决方案
The company adopted Amazon EC2 P5 and P4 GPU instances to accelerate training 30x, using PyTorch and NVIDIA CUDA. It manages compute with Amazon EKS, AWS ParallelCluster, AWS Batch, and stores data in Amazon S3, enabling faster video generation from text prompts.
04
实施结果
ML 模型训练吞吐量提升：30倍（30x）
用户增长：456%（456%）
小型语音模型训练时间：从数天缩短至数小时（缩短）
05
风险与边界
未披露
“On AWS, we’ve had the flexibility to change our infrastructure while maintaining the availability of compute to meet our workloads.”
Jon Starck · CTO, Synthesia
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。