Компания ElevenLabs, разрабатывающая голосовые модели для преобразования текста в естественную речь, оценивается инвесторами в $22 млрд. Как сообщает TechCrunch, стартапу, созданному четыре года назад, удалось выйти на годовой регулярный доход в $600 млн. Его технология используется в телефонной поддержке клиентов Klarna, обслуживающей 35 млн американских пользователей, а также Deutsche Telekom, Cisco, Adobe и государственными структурами.
Помимо корпоративных заказчиков, ElevenLabs предлагает инструменты создателям аудиокниг, дубляжа и музыки. При этом компания сталкивается с конкуренцией со стороны бывших клиентов: например, платформа разговорного искусственного интеллекта Decagon обучила собственный голосовой продукт с помощью технологий ElevenLabs. Глава и сооснователь стартапа Мати Станишевский считает, что границы между разработчиками моделей, платформами и прикладными сервисами становятся всё менее заметными.
По словам руководителя, более 55% выручки ElevenLabs приходится на крупных корпоративных клиентов. Остальные 45% формируют преимущественно малые и средние компании, разработчики, создатели контента и другие пользователи. Станишевский отметил, что различия между голосовыми моделями пока остаются существенными, однако через три-пять лет они, вероятно, сократятся.
Одной из целей компании он назвал прохождение теста Тьюринга для разговорного искусственного интеллекта. Для этого, по его словам, системе недостаточно понимать содержание беседы: она должна распознавать эмоции собеседника и менять манеру речи, например говорить медленнее или громче. Пока такой уровень взаимодействия не достигнут.
ElevenLabs позволяет заказчикам выбирать модели для так называемого слоя рассуждений. В простых информационных обращениях могут применяться модели с открытыми весами, поскольку качество ответа во многом определяется базой знаний компании. В финансовых услугах, где требуется подтверждать личность клиента, работать с операциями и оформлять возвраты, Станишевский отдаёт преимущество передовым закрытым моделям из-за более высокой цены ошибки.
Для государственных проектов набор моделей и голосов подбирается отдельно с учётом требований конкретной страны, включая возможность хранения данных на её территории. В Польше ElevenLabs участвует в медицинском проекте: голосовые агенты напоминают пациентам о записи, поскольку 18% из них не приходят на приём. Станишевский также считает, что компании должны предупреждать клиентов о разговоре с искусственным агентом, хотя через пять лет, когда такие системы станут привычными, общественное отношение может измениться.
Раскрывать точную валовую маржу ElevenLabs руководитель не стал. Он объяснил, что компания оптимизирует модели и передаёт клиентам часть полученной экономии, а ради расширения рынка готова допускать снижение маржи. Для обучения систем стартап использует не только данные, но и их детальную разметку: тысячи привлечённых специалистов отмечают содержание речи, моменты смены говорящих, интонации и эмоции, а голосовые тренеры помогают распознавать акценты.
ElevenLabs готовит основу для возможного выхода на биржу в ближайшие годы, однако конкретные сроки будут зависеть от обстоятельств. Станишевский также заявил о необходимости соблюдать меры предосторожности при развитии передовых лабораторий, хотя компания не обучает текстовые модели и системы, отвечающие за интеллект. По его словам, агенты ElevenLabs не могут самостоятельно создавать новых агентов, каждый клиент проходит проверку KYC (идентификация клиента), а киберриски учитываются в действующих мерах защиты.