ElevenLabs 估值 220 亿美元，ARR 达 6 亿美元

ElevenLabs 构建了 AI 的语音层，即那些将文本转化为听起来像真人说话的语音的模型。大多数人是在与客服对话时接触到它的——往往并未察觉。例如，Klarna 就用它为 3500 万美国客户提供一线电话支持。Deutsche Telekom、Cisco、Adobe 以及越来越多的政府机构也是如此。ElevenLabs 也向创作者销售，他们用其平台制作有声书、配音和音乐。

它并非这一领域唯一的玩家。事实上，它正越来越多地撞上自己的客户，包括 Decagon，这是一个对话式 AI 平台，曾用 ElevenLabs 训练其语音产品，如今却与它竞争。但它的投资者似乎并不太担心。这家公司称其年度经常性收入正以 6 亿美元的速度增长，据报道其估值现已达到220 亿美元，尽管它成立仅四年。

为了了解更多，我在Nrth采访了 ElevenLabs 联合创始人兼 CEO Mati Staniszewski，该活动在多伦多举行，是一个当地创业会议，原名 Elevate。我们在短时间内涵盖了一系列话题，包括企业是否应该告知客户他们正在与 AI 对话（他认为应该），以及他能否讨论公司的毛利率。不出所料，Staniszewski 表示他无法详细讨论这些，但他明确表示，如果这意味着扩大公司的市场份额，他不介意毛利率被进一步压缩。

以下是我们对话的实录，经过压缩和轻度编辑。你可以查看完整对话这里。

你去年在 TechCrunch Disrupt 上与我们交流时，曾说音频模型会在几年内商品化。你现在如何评价这一预测？

还有很多工作要做，仅在模型层面你能达到的质量差距仍然很大。如果从更长远来看，大概三到五年后，这些差异会变小。我们很想做、并且想成为第一个做到的，是通过对话式 AI 的图灵测试。你需要结合智能，但你也需要情商。你需要理解对方的情绪，能够放慢语速或提高音量。这还没有被做到。

现在企业业务占多大比例？

我们现在 ARR 达到 6 亿美元。55% 以上是典型的企业业务，而[剩下的]45% 中有很大一部分是中小企业、开发者、构建者、创作者。

和 AI 领域的其他人一样，你越来越多地在与自己的客户竞争。Decagon 用你们训练了它的语音产品，现在通过自己的模型来运行查询。

界限变得更加模糊。当我们思考模型公司、平台公司、应用公司时，过去你会看到非常清晰的分界，一个在哪里开始、在哪里结束。今天这条线模糊得多。就 Anthropic 而言，曾经是一家模型公司，现在肯定是一个平台，并且越来越多地是一系列广泛的应用。我认为这还会继续。

你的客户可以在 ElevenLabs 从一系列选项中挑选“推理层”。在前沿实验室模型与开源权重的使用方面，你看到了什么？

这不太是一个二选一的选择。在客户体验中，如果你打电话进来只是获取信息，你并不执行任何操作——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，你希望经过身份验证，你想要关于一笔交易的信息，也许是退款。这里没有出错的空间。在这种情况下，前沿模型仍将领先。

其中一些开源权重模型是中国的。美国政府是客户。欧洲各国政府也是客户。那些对话是什么样的？

不同。在每次部署中，我们部署的模型和声音将取决于具体情况。如果我们与波兰政府或巴西政府合作，他们有自己的需求。可以是开源权重模型、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。有患者在公共医疗系统中预约，18% 的人从不出现。部署的是智能体，打电话提醒你。他们有一套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集成。

企业是否应该在有人与智能体而非真人交谈时进行披露？

我认为目前应该披露。现在人们还不习惯，常见的模式是你不想在那通电话中感觉被骗。但五年后，当每个人都有自己的智能体代表自己工作时，你会打电话过去并期待一个智能体。那时我认为整个社会会转变。有好的做法——如果需要等待 30 分钟才能接通真人，就给客户一个选择。几乎在所有情况下，他们都会选择智能体，然后对体验之好感到惊讶。

考虑到你们在模型和推理上的支出，你们的毛利率是多少？

我会给一个模糊的回答。鉴于我们有那个研究元素，我们能够以极其聪明的方式微调和约束模型。但如果我们能将任何节省传递给客户，我们就会这样做。最重要的事情仍然是证明价值并与客户同在。所以如果我们能投资并证明那个价值，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。

你们有数百万小时的客服通话。你们用它们来训练吗？你们有多少训练数据是合成的？

在某些公司，我们共同创建了这些模型。他们想要一个适合自己用例的特定模型。否则，训练的大部分工作并不是数据量，而是标注数据。我们内部有数千名以合同形式合作的人员，帮助我们标注不仅说了什么，还包括人们何时在说话、如何说话、使用了什么情绪。我们不得不请来声音教练，以便准确识别口音。

有报道称你们正在考虑 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。我们正在为未来几年能够做到这一点打下基础。但是否真的去做，将取决于时间和地点。

“几年”这个说法非常模糊。

[笑。]

后台：对于前沿实验室是否应该放慢速度，你的立场是什么？

大家都一致同意要共同努力，找到一种控制节奏的方法。至于他们是否应该公开谈论这件事，以及媒体讨论或监管应该涉及多少，那是另一个话题。但没错，我们在部署这项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部分，而这正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体的自我复制或循环部分。我们的技术不允许你让智能体创建更多智能体。每个客户都要经过 KYC。网络安全风险对整个世界来说确实是一种风险，但我们已经有一套良好的预防措施。