ElevenLabs erhält 2 Mio. US-Dollar und kündigt KI-Sprachplattform an, die Audio-Storytelling revolutionieren soll

• ElevenLabs startet Beta-Plattform, mit der Kreative und Verlage ihre langen Inhalte vertonen können
• Die Pre-Seed-Finanzierungsrunde wurde von Credo Ventures angeführt. Concept Ventures und private Investoren beteiligten sich ebenfalls.
• Das Kapital finanziert Forschung und Entwicklung für das KI-Synchronisieren, das noch dieses Jahr erscheinen soll

23.01.2023, London, Vereinigtes Königreich | ElevenLabs, ein Startup für KI-Sprachtechnologie, entwickelt lebensechte Tools für Sprachsynthese. Langfristig will das Unternehmen gesprochene Audiodateien sofort zwischen Sprachen umwandeln. Heute gab es nach einer Pre-Seed-Finanzierungsrunde über 2 Mio. US-Dollar unter Führung von Credo Ventures, an der sich auch Concept Ventures und weitere private Investoren beteiligten, den Start seiner Beta-Plattform bekannt.

Mit der Plattform können Kreative und Verlage lange Inhalte vertonen und ins Audioformat übertragen. Ihre Funktionen basieren auf einem intern entwickelten Deep-Learning-Modell für Sprachsynthese, das menschliche Intonation und Betonungen realistisch wiedergibt und die Sprechweise an den Kontext anpassen kann. ElevenLabs bietet außerdem Tools zum Klonen von Stimmen und für die Gestaltung synthetischer Stimmen, die Nutzern neue kreative Möglichkeiten eröffnen. Das Unternehmen arbeitet derzeit mit ausgewählten Verlagen an einer speziellen Arbeitsumgebung für die Voiceover-Bearbeitung, die Anfang Februar zur Plattform hinzugefügt wird. ElevenLabs will der erste KI-Sprecher werden, der die nötige Qualität für die skalierbare Vertonung von Nachrichten und Hörbüchern bietet.

Fortschritte bei den Fähigkeiten erfordern Innovation. Deshalb versteht sich ElevenLabs in erster Linie als Forschungsunternehmen. Ein Großteil der bisherigen Forschung konzentrierte sich auf neue Text-to-Speech-Modelle, die hohe Kompression und Kontextverständnis nutzen, um menschliche Sprache äußerst realistisch wiederzugeben. Das Unternehmen entwickelte außerdem ein neues Modell zum Klonen von Stimmen, das ohne Training und ohne Finetuning bei Samples von nur 5 Sekunden eine hohe Ähnlichkeit erzeugt – eine bislang unerreichte Leistung. Entwickler können über die API auf all diese Funktionen zugreifen.

Diese Forschung ermöglicht die aktuellen Funktionen der Plattform und trägt zugleich dazu bei, das langfristige Ziel des Unternehmens zu verwirklichen: gesprochene Audiodateien sofort zwischen Sprachen umzuwandeln. Das KI-Synchronisierungstool, das noch dieses Jahr erscheinen soll, ermöglicht Nutzern, Audio- oder Videoinhalte automatisch in einer anderen Sprache neu zu vertonen – bei Erhalt der Stimme des ursprünglichen Sprechers. ElevenLabs will zunächst Kunden aus dem Bildungsbereich gewinnen. Langfristig soll mehrsprachiger Audio-Support auf Abruf für Streaming, Hörbücher, Gaming, Filme und sogar Echtzeitgespräche Realität werden.

Die Tools des Unternehmens für Sprachsynthese und Synchronisierung ergänzen sich und kommen zum richtigen Zeitpunkt: Beide versprechen, Audio und Video einem breiteren Publikum zugänglich zu machen, während der Audiobereich stark wächst. Eine erste Gruppe von Testern – darunter YouTube-Creator, Verlage und Entwickler – nutzt die Plattform bereits täglich, um Videos, Geschichten und Figuren zu vertonen. Das Unternehmen erwartet, dass die möglichen Einsatzbereiche für generierte Sprache weiter wachsen werden. Nachrichtenverlage haben bereits erkannt, dass eine stärkere Audio-Präsenz Abonnenten anspricht und bindet. Doch Sprecher zu engagieren ist teuer, ebenso wie Reporter ihre Artikel selbst einsprechen zu lassen. Autoren von Büchern und Newslettern sowie Spieleentwickler stehen vor ähnlichen Herausforderungen: Erstere vertonen ihre Werke zunehmend selbst, Letztere müssen entscheiden, ob eine bestimmte Figur die Aufnahmekosten rechtfertigt. Wer bestehende Text-to-Speech-Software nutzt, spart Geld, zahlt aber mit Qualitätseinbußen. ElevenLabs ist überzeugt, dass Kompromisse nicht länger nötig sind, und will Kreative und Verlage mit den fortschrittlichsten und vielseitigsten KI-Tools für Storytelling ausstatten.

„Bei der Plattform, die wir jetzt starten, geht es darum, Text in gesprochene Audiodateien in höchster Qualität umzuwandeln. Wir wollen Menschen ermöglichen, ihr Lieblingsbuch oder ihren Lieblingsnewsletter zu genießen, indem wir all den Autoren, Kreativen und Entwicklern eine Stimme geben, die sich keine leisten konnten.“ – sagt Mitgründer Mati Staniszewski. „Unser langfristiges Ziel ist es, Menschen den Zugang zu allen Inhalten zu ermöglichen, die sie relevant und interessant finden – unabhängig davon, welche Sprache sie sprechen.“ – ergänzt Mitgründer Piotr Dabkowski.

Bei Credo Ventures arbeiten wir mit klugen und ambitionierten Gründern aus der CEE-Region. Schon bei unserem ersten Treffen sahen wir den Ehrgeiz und die Begeisterung in den Augen von Mati und Piotr. Wenige Monate später entwickeln sie sich zu einem Forschungszentrum für Sprachtechnologie auf OpenAI-Niveau, das die größten Herausforderungen künstlicher Audiodaten löst. Ihre synthetisierten Stimmen sind bereits nicht mehr von echten zu unterscheiden. Dieser Durchbruch hat die Hürden für die Erstellung von Inhalten in bislang unerreichter Qualität und Präzision massiv gesenkt und wird Kreativen schon bald ermöglichen, ihr Publikum durch Mehrsprachigkeit deutlich zu erweitern. – sagt Maciek Gnutek, General Partner bei Credo Ventures.

Obwohl Audio in Unterhaltung und Geschäftswelt gleichermaßen weit verbreitet ist, wurde es von den jüngsten Forschungsfortschritten vergleichsweise wenig berücksichtigt. Wir freuen uns sehr, Mati & Piotr in dieser goldenen Ära der generativen KI zu unterstützen, und sind überzeugt, dass ElevenLabs das richtige Team ist, um diese Technologie Stimme für Stimme für alle zugänglich zu machen – sagt Oliver Kicks, Principal bei Concept Ventures.

Über ElevenLabs:
ElevenLabs ist ein Forschungsunternehmen, das KI-Software für Sprachsynthese für Kreative und Verlage entwickelt. Die Tools des Unternehmens erzeugen bemerkenswert lebensechte Sprache und können Intonation und Betonungen anhand des Kontexts oder von Nutzeranweisungen anpassen. Die Plattform soll die nötige Qualität und Vielseitigkeit bieten, um Nachrichten, Newsletter, Bücher und Videos zentral zu vertonen. Zu den wichtigsten Funktionen zählen: textbasierte Sprachgenerierung, Klonen von Stimmen, Stimmgestaltung sowie in Kürze ein Projekt-Workflow für die Bearbeitung von Vertonungen. ElevenLabs wurde 2022 von Piotr, einem ehemaligen Machine-Learning-Ingenieur bei Google, und Mati, einem ehemaligen Deployment-Strategen bei Palantir, gegründet. Das langfristige Ziel des Unternehmens ist es, gesprochene Inhalte in jeder Sprache und Stimme universell zugänglich zu machen.

Risikokapital von Credo Ventures und Concept Ventures. Zu den privaten Investoren gehören Peter Czaban, Tytus Cytowski, Talfan Evans, Dr Fatima Godall, Tomasz Karwatka, Piotr Karwatka, Akhil Paul, Bartek Pucek, Marta Pyrzyk, Carles Reina, Parin Shah, Charlie Songhurst und Harry Songhurst.

Kontakt
press@elevenlabs.io