ElevenLabs 打造AI语音层：年收入6亿美元，估值220亿
ElevenLabs 联合创始人兼CEO Mati Staniszewski 在多伦多 Nrth 大会上接受了 TechCrunch 的专访，讨论了AI语音行业的现状、客户告知义务、公司IPO时间表等话题。
ElevenLabs 构建了AI的语音层——将文本转化为类人语音的模型。大多数人遇到它都是在与客服通话时，往往并未意识到。Klarna 为3500万美国客户运行一线电话支持就使用 ElevenLabs。Deutsche Telekom、Cisco、Adobe 以及越来越多政府机构也在使用。ElevenLabs 还向创作者销售服务，用于有声书、配音和音乐。
在语音AI领域，ElevenLabs 并非唯一的玩家。事实上，它越来越多地遇到自己的客户也变成竞争对手的情况。Decagon 是一个对话式AI平台，其语音产品最初基于 ElevenLabs 训练，现在已开始与之竞争。但投资者似乎并不担忧。这家成立仅四年的公司目前年化经常性收入（ARR）达6亿美元，据报投资者对其估值已达220亿美元。
以下是采访内容，经过精简和轻度编辑。
模型层面的质量差距仍然显著
Staniszewski 表示："在模型层面仍有大量工作要做，仅模型级别的质量差距仍然显著。从更长远来看，大概三年到五年后，这些差异会缩小。我们想做、并且想成为第一个做到的，是让对话式AI通过图灵测试。你需要结合智能，但同时还需要情感智能。你需要理解对方的情绪，知道何时放慢或提高语速。这还没有人做到。"
企业业务占比超过55%
问：企业业务现在占多大比例？
答：我们现在ARR达到6亿美元。其中55%以上是经典的企业客户，其余45%中有很大一部分是中小企业、开发者、构建者和创作者。
与客户竞争：界限越来越模糊
问：像AI行业其他人一样，你们越来越多地与自己的客户竞争。Decagon 在你的平台上训练了语音产品，现在通过自家模型运行查询。
答：界限变得日益模糊。当我们思考模型公司、平台公司、应用公司时，过去有非常明确的分界线。今天这种分界线越来越模糊。以 Anthropic 为例，它过去是一家模型公司，现在绝对是平台，而且越来越像一套广泛的应用。我认为这种趋势会继续。
客户可以自由选择推理层
问：你的客户可以在 ElevenLabs 从菜单中自由选择推理层。前沿实验室模型与开源权重模型的使用情况如何？
答：这不是一个二选一的问题。在客户体验场景中，如果你打电话进来只是查询信息，不执行任何操作——你可以使用很多开源模型。但如果涉及金融服务，你需要身份验证、交易信息、退款操作，没有容错空间。这时前沿模型仍然领先。
政府客户与数据主权
问：美国政府和欧洲政府都是你们的客户。这些对话如何进行？
答：各有不同。每次部署中，我们使用的模型和声音取决于具体场景。如果我们与波兰政府或巴西政府合作，他们有自己的一套要求。可以是开源权重模型、闭源模型、或者他们自己的微调模型。在波兰是一个医疗案例——患者通过公共卫生系统预约，18%的人从未赴约。部署的AI代理会打电话提醒。他们有一套基于自己知识优化的模型，我们在保持数据驻留的同时进行整合。
是否应该告知用户正在与AI对话？
问：企业是否应该披露对方正在与AI代理而非人类对话？
答：我认为目前应该披露。现在人们还不习惯，普遍的心态是你不想在那通电话里感觉被骗。但五年后，当每个人都拥有自己的代理代其工作时，你打电话时就会预期对面是AI代理。届时社会规范会转变。有一些好的做法——如果等人类客服需要30分钟，就给客户一个选择。几乎所有情况下，他们都会选择AI代理，然后惊讶于体验如此之好。
毛利率与定价策略
问：考虑到你们支付的模型和推理费用，毛利率是多少？
答：我给一个模糊的回答。由于我们有研发能力，可以用非常聪明的方式微调和约束模型。但如果我们能把成本节省传递给客户，我们就会这样做。最重要的是证明价值并陪伴客户。因此，如果我们可以投资并证明价值，我们不介意利润率降低——未来五年价值创造本身会让我们共同受益。
训练数据与数据标注
问：你们有数百万小时的客服电话录音。你们在上面训练吗？训练数据中有多少是合成数据？
答：在某些公司，我们共同创建了模型。他们希望有特定用例的专属模型。否则，训练的主要部分不是数据量的大小，而是数据标注。我们有数千名内部合同人员，帮助我们标注的不仅是说了什么，还有说话时机、说话方式、使用了什么情绪。我们甚至请来了语音教练，以便准确检测口音。
IPO时间表：2028年？
问：有报道称你们考虑2028年IPO，能确认吗？
答：我们希望创建一家经得起时间考验的公司。我们正在为未来几年上市奠定基础。但最终是否上市取决于时机和条件。
关于AI安全与监管
问：前沿实验室是否应该放慢速度？
答：每个人都愿意共同努力寻找合理节奏。至于是否应该公开讨论，以及媒体对话或监管应涉及多少——这是另一个话题。但是的，在部署技术时我们都应采取适当的预防措施。我们并不训练文本模型和智能侧的模型——而这正是辩论的核心关键。
问：ElevenLabs 是否会像 Hugging Face 那样面临安全暴露风险？
答：我们更进一步，因为我们不部署自复制或循环的智能代理。我们的技术不允许代理创建更多代理。每个客户都经过KYC审核。网络安全风险对更广泛的世界来说肯定是一个风险，但我们已经采取了良好的预防措施。
来源：TechCrunch
