凭借语音人工智能(AI)技术受到全球关注的英国初创企业ElevenLabs预测,今后AI设备操作的基本界面将是“语音”。目前文本是AI输入方式的主流,但随着机器人、汽车、可穿戴设备等基于AI的设备不断普及,语音的比重将越来越大。这意味着语音AI市场潜力巨大。ElevenLabs选择韩国作为语音AI市场的亚洲据点,正式展开市场开拓。
联合创始人兼首席执行官(CEO)Mati Staniszewski于21日在JW万豪酒店举行的记者会上表示:“展望AI音频的未来,人类与AI沟通最根本的方式将正是音频”,“从可穿戴设备到机器人、汽车,所有设备都将能够理解我们在说什么。”在生成式AI成为主流的当下,文本是使用AI的主要方式,但今后语音将比文本、图像等其他输入方式更成为主流AI界面。他预测:“与文本相比,语音能表达更多语调和情感”,“说话才是最本源的沟通方式,(未来的AI应用)将以语音为基准。”
ElevenLabs是总部位于英国的语音AI初创企业。2022年创立,仅三年多时间,目前月活跃用户(MAU)达5000万人。企业价值被评估为66亿美元(约9.7万亿韩元),财富500强企业中有75%是其客户。该公司获得红杉资本、a16z等知名投资机构投资,韩国企业中NAVER集团和LG U+为其投资方。并已获得蓝洞、EST等多家韩国企业作为客户。
ElevenLabs的技术涵盖利用AI的旁白、翻译、配音以及与人对话。运用该技术无需另请配音演员即可添加旁白或配音,从而缩短影像制作周期并降低成本。公司方面解释,将其应用于客服中心业务,可减少按“1号”“2号”等提示选择按键的时间,直接像真人客服一样应答,从而节省时间和成本。目前ElevenLabs提供7000多种声音和包括韩语在内的32种语言。
当天的演示中,ElevenLabs的AI解决方案实现了用Staniszewski CEO本人的声音以韩语说出其英语发言内容的功能。在朗读韩文文本时,甚至再现了叹气、轻笑、对话中短暂停顿等人类说话时出现的特征。
尤其在朗读韩文小说的演示中,尽管没有另行给出动作提示,系统仍能识别小说内容,根据语境改变声音语调,并在人物对话部分区分说话者、以不同声音演绎,展现出相当水平的性能。在客服中心演示中,即使客户中途打断并继续提问,也能给出恰当回答。Staniszewski CEO介绍说:“AI智能体平台的延迟不足0.5秒,具备人类水平的自然度,错误率也低于竞争对手。”
Staniszewski CEO当天还宣布正式进军韩国市场。他表示:“韩国以电影、影像和游戏为核心市场,已针对客户进行优化并达到相当阶段”,“预计明年客户应答领域将快速增长,我们将其列为优先事项。”
ElevenLabs韩国分公司负责人洪相元解释说:“在韩国的成功即是全球成功的风向标”,“ElevenLabs选择韩国作为进军亚洲的核心据点。”
Staniszewski CEO还表示正在筹划首次公开募股(IPO)。他展望称:“此前设定的目标是五年内上市,但服务业绩好于预期”,“目前认为有望在三年内实现IPO。”






