在OpenAI引领的多模态时代，专注语音的ElevenLabs如何生存？

2024年2月，OpenAI的视觉巨擘Sora问世，开创了视觉生成领域技术与商业变革的新纪元。紧接着，AI语音创业翘楚ElevenLabs为Sora的演示视频提供了精准匹配的配音，成功构建起AI视频制作的完整闭环，其中包括其即将推出的AI Sound Effects功能，该功能可依据用户输入的文字自动生成声音。中国的舞龙表演视频便是一例，声音部分由ElevenLabs精彩呈现（视频：Sora，音频：ElevenLabs）。成立仅半年，ElevenLabs已连续完成两轮融资，特别是在2024年1月的B轮融资中，其估值飙升至11亿美元，较之前增长10倍。

在这两轮投资中，知名风投a16z均作为领投方，一同参与的还有前GitHub CEO Nat Friedman与前苹果AI负责人Daniel Gross。此外，A轮融资参与者还包括Instagram联合创始人Mike Krieger、Oculus创始人Brendan Iribe、DeepMind及Inflection AI联合创始人Mustafa Suleyman；而在B轮融资中，SV Angel、红杉资本、BroadLight Capital和Credo Ventures也加入了投资阵营。

ElevenLabs联合创始人兼CEO Mati Staniszewski透露，新筹集的资金将助力公司持续建设先进的声音人工智能研发中心，并推动一系列垂直市场产品的推出，服务于出版、游戏、娱乐和对话应用等领域。公司由前谷歌机器学习工程师Piotr Dabkowski与前Palantir策略师Mati Staniszewski（也是童年的朋友）共同创立于2022年，两人同在波兰长大并在英国完成高等教育。

ElevenLabs早期凭借其文本到语音模型Eleven Multilingual获得了广泛关注，该模型能够生成极为自然的英语AI声音。后续产品中，模型进一步拓展到了Eleven Multilingual v1和v2，增加了对波兰语、德语等多种语言的支持，并推出了声音实验室，用户可在其中复制自己的声音或创造全新合成声音。

据Market US数据，2022年全球音频工具市场规模达12亿美元，预计到2032年将达到近50亿美元，年复合增长率逾15.40%。尽管市场竞争激烈，包括Papercup、Deepdub等创业公司以及像Amazon和OpenAI这样的巨头，但ElevenLabs凭借其对可靠性和可控性的执着追求，致力于为影视、游戏等行业开发者提供高质量、易操作的声音解决方案，有望在全球AI语音市场中占据一席之地。

本文来源： 阿尔法公社公众号【阅读原文】