ხმოვანი AI-ის ბრძოლაში მთავარი ბარიერი უკვე მხოლოდ სიტყვების სწორად წარმოთქმა აღარ არის. მომხმარებლებს სურთ, რომ ციფრულმა ასისტენტმა სწორად აღიქვას ტონი, პაუზა და ემოცია. სწორედ ამ მიმართულებით ვითარდება ElevenLabs-ის ახალი თაობის მოდელები.
ElevenLabs-მა v4 და v4 Turbo წარადგინა, რომლებიც, კომპანიის თქმით, უფრო ზუსტ ექსპრესიას, დაბალ შეყოვნებას და 90-ზე მეტი ენის მხარდაჭერას აერთიანებს. წინა თაობასთან შედარებით, ენების რაოდენობა დაახლოებით 70-დან გაიზარდა.
ახალი არქიტექტურა ხმაზე კონტროლს აძლიერებს და ხმის კლონირებას აჩქარებს. ახლა სისტემას მხოლოდ 10-წამიანი აუდიო სჭირდება, რათა კონკრეტული ხმის იდენტობა შეინარჩუნოს. გაუმჯობესებულია გრძელი ტექსტების დამუშავებაც, სადაც მოდელს უკეთ შეუძლია კონტექსტის შენარჩუნება და ემოციური ცვლილებების მართვა.
ემოცია უკვე კოდის ნაწილია
ElevenLabs-ის წინა v3 მოდელში დამატებული ექსპრესიის ტეგები v4-ში უფრო მოქნილი გახდა. მომხმარებლებს შეუძლიათ რამდენიმე ტეგის ერთმანეთთან დაკავშირება, ხოლო მოდელი მათ თანმიმდევრობას უკეთ მიჰყვება.
ეს განსაკუთრებით მნიშვნელოვანია ხმოვანი აგენტებისთვის, რომლებიც რეალურ საუბრებში მუშაობენ. მაგალითად, მომხმარებელთან დაძაბულ სიტუაციაში სისტემამ უნდა შეძლოს არა მხოლოდ პასუხის გაცემა, არამედ სწორი ტონით საუბარი, პრობლემის მოგვარების პროცესის ახსნა და ლოდინის მომენტის ბუნებრივად მართვა.
კომპანიის მიხედვით, ხარისხის ყველაზე დიდი ნახტომი იაპონურ, ბრაზილიურ პორტუგალიურ, მანდარინულ და კანტონურ ენებში გამოჩნდა. ამასთან, v4-ს შეუძლია აუდიოს შექმნა მაშინვე დაიწყოს, როცა ზედა დონის AI მოდელი პასუხის ტექსტის გენერირებას იწყებს, რაც ხმოვან აგენტებში დაყოვნებას ამცირებს.
ბიზნესი ხმაზე გადადის
ElevenLabs-ის ზრდა დიდწილად საწარმოო ბაზარზეა დაფუძნებული. კომპანიის შემოსავლის 55%-ზე მეტი უკვე მსხვილი კომპანიებიდან მოდის, განსაკუთრებით მომხმარებელთა მომსახურების ხმოვანი სისტემების მიმართულებით.
2026 წლის დასაწყისში ElevenLabs-მა Sequoia-სგან $500 მილიონი მოიზიდა, $11 მილიარდი შეფასებით. ბაზარზე ასევე ვრცელდება ინფორმაცია შესაძლო ახალი რაუნდის შესახებ, რომელიც კომპანიის შეფასებას დაახლოებით $22 მილიარდამდე გაზრდიდა, თუმცა ეს ინფორმაცია ოფიციალურად დადასტურებული არ არის.
კომპანიის წლიური განმეორებადი შემოსავალი წლის დასაწყისში დაახლოებით $330 მილიონიდან $600 მილიონზე მეტამდე გაიზარდა, თანამშრომლების რაოდენობამ კი 800-ს გადააჭარბა. CEO Mati Staniszewski ამბობს, რომ კომპანია მომავალ წლებში IPO-სთვის ემზადება, თუმცა კონკრეტული თარიღი არ დაუსახელებია.
ხმოვანი AI-ის ბაზარზე ElevenLabs კონკურენციას უწევს Cartesia-ს, Deepgram-ს, Fish Audio-ს, Boson-სა და WellSaid-ს, მაშინ როცა Google და OpenAI საკუთარ ხმოვან ტექნოლოგიებსაც აძლიერებენ.
წყარო: techcrunch.com
