Az ElevenLabs a szöveget emberi hanghoz hasonló beszéddé alakító modelleket fejleszti — azokat a rétegeket, amelyeken keresztül a legtöbben például ügyfélszolgálati hívásokban találkoznak a hangalapú AI-val, gyakran anélkül, hogy tudnák. A cég ügyfelei között vannak nagy vállalatok és kormányzati szervek: például a Klarna az Egyesült Államokban 35 millió ügyfél első vonalbeli telefonos támogatását üzemelteti ElevenLabs technológiájával, és használják többek között a Deutsche Telekom, a Cisco és az Adobe megoldásait is. Emellett kreatív felhasználók is dolgoznak a platformjával audiokönyvek, szinkron és zenei projektek készítésére.
A vállalat versenytársakkal és néha ügyfelekkel is találkozik: a beszámoló szerint a Decagon, egy beszélgetésorientált AI-platform, az ElevenLabsre építette hangtermékét, majd saját modellekkel versenyzett ellene. Ennek ellenére a befektetők továbbra is lelkesek: a cég azt mondja, hogy körülbelül 600 millió dolláros éves visszatérő bevétel (ARR) ütemben halad, és befektetői értékelése a jelentések szerint 22 milliárd dollár — miközben a cég mindössze négy éves.
Beszélgetés Mati Staniszewskivel, az ElevenLabs társalapítójával és vezérigazgatójával
A vállalat vezetőjével, Mati Staniszewskivel a torontói Nrth (korábbi nevén Elevate) vállalkozói konferencián beszélgettünk. A rövid interjúban több témát érintettünk: a modellminőség és a piac konszolidációja, az enterprise-ügyfelek aránya, a nyitott és zárt forrású modellek szerepe különböző alkalmazásoknál, az adat- és annotációs gyakorlatok, valamint a szabályozás és társadalmi elvárások kérdése.
-
Üzleti arányok és ügyfélkör: az ElevenLabs szerint jelenleg mintegy 600 millió dolláros ARR-t produkál, ebből több mint 55% klasszikus vállalati (enterprise) üzlet. A fennmaradó rész nagy része kis- és középvállalkozásokból, fejlesztőkből és alkotókból jön.
-
Modellválasztás és alkalmazási területek: Staniszewski szerint nem mindig fekete-fehér a döntés frontier (vezető kutatólaborok) és open-weight modellek között. Információs hívásoknál, ahol nincsenek tranzakciók vagy érzékeny ügyintézések, gyakran elegendőek az open-source modellek, míg pénzügyi szolgáltatásoknál, ahol hitelesítés és pontosság szükséges, a frontier modellek előnyt élvezhetnek.
-
Kormányzati telepítések és adatfeltételek: az ElevenLabs több európai és más országokbeli kormányzattal is dolgozik. A telepítések modell- és hangválasztása esettől függ: lehet open-weight, zárt forráskódú, vagy a partner által finomhangolt modell. Példaként említettek egy lengyelországi egészségügyi alkalmazást, ahol a központi rendszeren keresztüli időpontfoglalást kísérő emlékeztető hívások csökkentik a hiányzások arányát — a lengyel rendszerben 18% az időpontokra nem megjelenők aránya, és a hangalapú ügynökök integrálása során figyelembe vették az adatrezidencia követelményeket.
-
Verseny és ügyfél-alkalmazkodás: Staniszewski elismerte, hogy a modellek és a platformok határai elmosódnak: ami korábban tisztán modell- vagy platformcég volt, ma sokszor mindkettő, illetve alkalmazások széles körét kínálja. Ebből fakadóan előfordul, hogy a cég versenyez olyan partnerekkel, akik eleinte az ElevenLabs megoldásait használták.
-
Nyilvánosság és átláthatóság a beszélgetéseknél: a vezérigazgató szerint jelenleg szükséges a tájékoztatás arról, ha valaki AI-ügynökkel beszél. A társadalmi elvárások szerinte öt éven belül változhatnak, amikor az emberek saját ügynökeikkel is kapcsolatba lépnek, de addig fontos a disclosure és a jó gyakorlatok, például ha hosszú várakozás van, lehetőséget adni az ügyfélnek, hogy humán vagy automata ügynököt válasszon.
Adatfelhasználás, annotáció és költségek
Staniszewski azt mondta, hogy bizonyos ügyfelekkel közösen hoztak létre speciális modelleket, amelyek az adott használati esethez lettek finomhangolva. A nagy részét a tréningfolyamatnak nem pusztán a nyers adat mennyisége, hanem az annotáció jelenti: a cég belső szerződéses munkatársakat alkalmazott ezer számban, hogy jelöljék, mit mondtak, mikor beszélt valaki, hogyan mondta, és milyen érzelmi árnyalatok voltak jelen. Sőt, hangtréning- és kiejtési szakértőket (voice coaches) is bevontak az akcentusok pontos felismeréséhez.
A költségek és bruttó profitráta kapcsán Staniszewski óvatos választ adott: nem árult el részleteket, de hangsúlyozta, hogy a cég képes a modelleket intelligens módon finomhangolni és korlátozni, és ha lehetséges, a megtakarításokat át is adják az ügyfélnek. Szerinte fontosabb jelenleg a piacbővítés és az ügyfélérték bizonyítása, mint a rövid távú marginok maximálása.
Szabályozás, biztonság és IPO-kilátások
A vezérigazgató támogatja, hogy a laboratóriumok és vállalatok együtt találjanak módot a technológia ütemezett bevezetésére és a megfelelő óvintézkedésekre, bár a nyilvánosság és a szabályozás mértéke vita tárgya lehet. ElevenLabs állítása szerint nem dolgoznak olyan önreprodukáló vagy ügynökök által ügynökök létrehozását lehetővé tevő intelligencia-részekkel, amelyek egyes aggályok forrásai. Minden ügyfél KYC (ismerd meg az ügyfeled) folyamaton megy keresztül, és a cég szerint erős óvintézkedéseket vezettek be kiberbiztonsági kockázatok kezelésére.
A sajtóban felmerült 2028-as IPO-időponttal kapcsolatban Staniszewski azt mondta, hogy a cég szeretne hosszú távon is megállni a lábán, és előkészítik az alapokat egy esetleges tőzsdei lépéshez a közeljövő években, de a döntés időzítése a körülményektől függ.
Miért számít ez
Az ElevenLabs példája azt mutatja, hogy a hangalapú AI gyorsan beágyazódik üzleti és állami szolgáltatásokba — ügyfélszolgálattól egészségügyi emlékeztetőkig —, miközben a modell- és platformszerepek összemosódnak, és a technológiai, etikai és szabályozási kérdések együtt formálják a piacot. A cég gyors növekedése (600 millió dolláros ARR és a jelentett 22 milliárd dolláros befektetői értékelés) azt jelzi, hogy a befektetők jelentős potenciált látnak a beszédalapú AI rétegben.
