与ElevenLabs CEO共处20分钟：据报道公司估值已达220亿美元

ElevenLabs 构建了 AI 的语音层，也就是将文本转换为听起来像人声的语音模型。大多数人是在与客服交谈时接触到它——往往并未意识到。例如，Klarna 借助它为 3500 万美国客户提供一线电话客服；德国电信、思科、Adobe 以及越来越多政府也是如此。ElevenLabs 也向创作者销售，后者用其平台制作有声书、配音和音乐。 它并非这一领域唯一玩家。事实上，它正越来越多地与其客户竞争，包括对话式 AI 平台 Decagon——后者曾基于 ElevenLabs 训练其语音产品，如今已成为其竞争对手。但其投资者似乎并不太担心。该公司称其年经常性收入已达 6 亿美元，据报其支持者目前给出的估值为 220 亿美元，尽管它成立仅四年。 为了进一步了解，我在多伦多本地创业大会 Nrth（前身为 Elevate）上采访了 ElevenLabs 联合创始人兼 CEO 马蒂·斯坦尼谢夫斯基。我们在短时间内涵盖了一系列话题，包括企业是否应在客户与 AI 交谈时告知对方（他认为应该），以及他能否讨论公司的毛利率。不出所料，斯坦尼谢夫斯基表示无法详细讨论，但他明确表示，如果这意味着扩大公司市场份额，他不介意毛利率被进一步压缩。 以下为我们的对话，经过压缩和轻度编辑。你可以在这里查看完整对话。 你去年在 TechCrunch Disrupt 上告诉我们，音频模型将在几年内商品化。现在你如何评价这一预测？ 仍有很多工作要做，仅在模型层面可达到的质量差异仍然显著。从更长期看，大概三到五年后，这些差异会变小。我们很想做、并成为第一个做到的，是让对话式 AI 通过图灵测试。你需要结合智能，但还需要情商。你需要理解对方的情绪，能够放慢语速或提高音量。这尚未实现。 现在企业业务占多大比例？ 我们现在的 ARR 是 6 亿美元。55% 以上是经典企业客户，剩余 45% 中很大一部分是中小企业、开发者、构建者和创作者。 和 AI 领域其他公司一样，你正越来越多地与客户竞争。Decagon 基于你训练了语音产品，现在通过自己的模型运行查询。 界线变得更模糊。当我们思考模型公司、平台公司和应用公司时，过去会有非常清晰的分界，一家公司的起点和终点很清楚。今天这条线模糊得多。以 Anthropic 为例，原本的模型公司现在绝对是一个平台，并日益成为一系列广泛的应用。我认为这将继续。 你的客户可以在 ElevenLabs 的选项菜单里选择“推理层”。在前沿实验室模型与开放权重模型的使用方面，你看到了什么？ 这不太是一个二元选择。在客户体验中，如果你打电话进来只是获取信息，不执行任何操作，你可以使用很多开源模型，因为你的知识库定义了什么是好的体验。但如果是金融服务，你需要身份验证，需要交易信息，也许还要退款。这里没有犯错空间。这种情况下，前沿模型仍将领先。 其中一些开放权重模型来自中国。美国政府是你的客户。欧洲各国政府也是客户。这些对话是怎样的？ 各不相同。在每次部署中，我们部署的模型和声音取决于具体案例。如果我们与波兰政府或巴西政府合作，他们有一套自己的要求。可以是开放权重模型、闭源模型，或他们自己微调的模型。在波兰，这是一个医疗案例。患者要在公共医疗系统中预约，而 18% 的人从未到场。部署的是代理，打电话提醒你。他们有一组基于自身知识优化的模型，我们在保持数据驻留的同时进行整合。 企业是否应披露，某人正在与代理而非真人交谈？ 我认为目前应该披露。现在人们还不习惯，常见模式是你不希望在那通电话中感觉自己被骗。但五年后，当每个人都有自己的代理替自己工作时，你会打电话并期待对方是代理。那时我认为社会会转变。有一些好的做法——如果等待真人需要 30 分钟，就给客户一个选择。几乎所有情况下，他们都会选择代理，然后惊讶于体验有多好。 考虑到你们为模型和推理付费，你们的毛利率是多少？ 我会给一个模糊的回答。鉴于我们有研究元素，我们能够以极其聪明的方式微调和约束模型。但如果我们可以把任何节省传递给客户，我们就会这样做。最重要的事仍然是证明价值，并与客户站在一起。因此，如果我们可以投资并证明这一价值，我们不介意利润率降低，以便在未来五年价值被创造出来时共同受益。 你们拥有数百万小时的客服通话。你们会用这些数据训练吗？训练数据中有多少是合成的？ 在某些公司，我们共同创建了模型。他们想要针对其用例的特定模型。否则，训练中很大一部分不是数据量，而是标注数据。我们有数千名内部合同人员，帮助我们标注不仅说了什么，还有人们何时说话、如何说话、使用了什么情绪。我们还必须请来语音教练，以便准确检测口音。 有报道称你们正考虑 2028 年 IPO。你能确认吗？ 我们很想创建一家经得起时间考验的公司。我们正在打好基础，以便在未来几年能够做到。但是否去做将取决于时间和地点。 幕后：对于前沿实验室是否应该放慢速度，你持什么立场？ 每个人都一致同意要合作寻找一种控制节奏的方式。他们是否应该公开谈论这一点，以及媒体讨论或监管应涉及多少，那是另一个话题。但是的，我们在部署技术时都应该采取正确的预防措施。我们不训练文本模型和模型的智能侧，而那是这场辩论的核心关键。 ElevenLabs 会像 Hugging Face 那样暴露风险吗？ 我们又前进了一步，因为我们不部署智能代理的自我复制或递归部分。我们的技术不允许你让代理创建更多代理。每个客户都要经过 KYC。网络安全风险对更广泛的世界肯定是一种风险，但我们已有一套良好的预防措施。