ElevenLabs recauda 2 millones de dólares y anuncia una plataforma de voz con IA que promete revolucionar la narración de audio

• ElevenLabs lanza una plataforma Beta que permite a creadores y editores narrar su contenido extenso
• La ronda de financiación presemilla estuvo liderada por Credo Ventures, con la participación de Concept Ventures e inversores particulares
• El capital financiará la investigación y el desarrollo del doblaje con IA, cuyo lanzamiento está previsto para finales de este año

23-01-2023, Londres, Reino Unido | ElevenLabs, una startup de tecnología de voz IA, está desarrollando herramientas de síntesis de voz realistas con el objetivo a largo plazo de convertir al instante audio hablado de un idioma a otro. Hoy ha anunciado el lanzamiento de su plataforma Beta tras recaudar 2 millones de dólares en una ronda de financiación presemilla liderada por Credo Ventures, en la que también han participado Concept Ventures y otros inversores particulares.

La plataforma de la empresa permite a creadores y editores narrar contenido extenso y ampliar su alcance al formato de audio. Sus funciones se basan en un modelo de aprendizaje profundo de síntesis de voz desarrollado internamente, que reproduce de forma realista la entonación y las inflexiones humanas, y puede ajustar la entonación según el contexto. ElevenLabs también ofrece un conjunto de herramientas para clonar voz y diseñar voces sintéticas, con el objetivo de brindar a usuarios nuevas posibilidades creativas. Actualmente, la empresa trabaja con editores seleccionados en una estación de trabajo específica para editar locuciones, que se añadirá a la plataforma a principios de febrero. ElevenLabs aspira a convertirse en el primer narrador de IA que ofrezca la calidad necesaria para poner voz a noticias y audiolibros a gran escala.

Los grandes avances en capacidades requieren innovación, por lo que ElevenLabs se considera, ante todo, una empresa de investigación. Gran parte de esta investigación se ha centrado hasta ahora en desarrollar nuevos modelos de texto a voz, que se basan en una alta compresión y en la comprensión del contexto para reproducir el habla humana con un realismo extraordinario. La empresa también ha creado un nuevo modelo para clonar voz que logra una gran similitud en el resultado sin entrenamiento previo (sin finetune), usando muestras de tan solo 5 segundos: un logro nunca visto hasta ahora. Desarrolladores pueden acceder a todas estas funciones mediante la API.

Esta investigación impulsa las funciones actuales de la plataforma, pero también contribuye a hacer realidad el objetivo final de la empresa: convertir al instante audio hablado de un idioma a otro. Su herramienta de doblaje con IA, cuyo lanzamiento está previsto para finales de este año, permitirá a usuarios volver a poner voz automáticamente a cualquier audio o vídeo en otro idioma, conservando la voz del hablante original. Inicialmente, ElevenLabs espera atraer clientes del ámbito educativo, mientras que su objetivo a largo plazo es hacer realidad la compatibilidad con audio multilingüe bajo demanda en streaming, audiolibros, videojuegos, películas e incluso conversaciones en tiempo real.

Las herramientas de síntesis de voz y doblaje de la empresa son tan complementarias como oportunas: ambas prometen llevar el audio y el vídeo a audiencias más amplias, y llegan en un momento en el que el sector del audio está en auge. Un primer grupo de probadores, entre los que hay creadores de YouTube, editores y desarrolladores, ya utiliza la plataforma a diario para poner voz a vídeos, historias y personajes, y la empresa espera que el abanico de posibles aplicaciones de la voz generativa no deje de crecer. Los editores de noticias ya han comprobado que reforzar su presencia en audio es una forma excelente de atraer y fidelizar suscriptores. Pero contratar actores de doblaje es caro, al igual que pedir a periodistas que lean sus propios artículos. Autores de libros y newsletters, e incluso desarrolladores de videojuegos, afrontan retos similares: los primeros recurren cada vez más a narrar su propia obra, y los segundos deben decidir si un personaje concreto justifica los costes de grabación. Quienes usan programas de texto a voz existentes ahorran dinero, pero pagan otro precio al renunciar a la calidad. ElevenLabs sostiene que ya no es necesario renunciar a nada mientras se prepara para proporcionar a creadores y editores las herramientas de narración con IA más avanzadas y versátiles.

“La plataforma que lanzamos ahora se centra en convertir texto en audio hablado de la máxima calidad. Queremos que las personas puedan disfrutar de su libro o newsletter favorito dando voz a todos los autores, creadores y desarrolladores que no podían permitirse tenerla” —afirma Mati Staniszewski, cofundador. “Nuestro objetivo final es que las personas puedan disfrutar de cualquier contenido que consideren relevante e interesante, independientemente del idioma que hablen” —añade Piotr Dabkowski, también cofundador.

En Credo Ventures buscamos trabajar con fundadores inteligentes y ambiciosos de la región de Europa Central y Oriental. Vimos el hambre y la chispa en los ojos de Mati y Piotr en nuestra primera reunión. Unos meses después, están convirtiéndose en un centro de investigación de tecnología de voz al nivel de OpenAI que supera los mayores desafíos del audio artificial. Sus voces sintetizadas ya son indistinguibles de las reales, y este avance no solo ha reducido enormemente las barreras para generar contenido con una calidad y fidelidad sin precedentes, sino que pronto también permitirá a creadores ampliar radicalmente sus audiencias al ofrecer contenido en varios idiomas. —afirma Maciek Gnutek, socio general de Credo Ventures.

A pesar de ser habitual tanto en el entretenimiento como en los negocios, el audio ha recibido relativamente poca atención en los recientes avances de la investigación. Nos entusiasma enormemente respaldar a Mati & Piotr durante esta edad de oro de la IA generativa, y creemos que ElevenLabs es el equipo que llevará esta tecnología a las masas, voz a voz —afirma Oliver Kicks, principal de Concept Ventures.

Sobre ElevenLabs:
ElevenLabs es una empresa de investigación que desarrolla software de síntesis de voz IA para creadores y editores. Las herramientas de la empresa reproducen una voz sorprendentemente realista y pueden ajustar la entonación y las inflexiones según el contexto o las instrucciones de usuario. La plataforma de la empresa busca ofrecer la calidad y versatilidad necesarias para convertirse en una solución integral para poner voz a noticias, newsletters, libros y vídeos. Entre sus funciones principales se incluyen la generación de voz a partir de texto, clonar voz, diseño de voz y, próximamente, un workflow de proyecto para editar narraciones. ElevenLabs fue fundada en 2022 por Piotr, antiguo ingeniero de aprendizaje automático en Google, y Mati, antiguo estratega de implantación en Palantir. El objetivo a largo plazo de la empresa es hacer que el contenido hablado sea accesible para todo el mundo en cualquier idioma y con cualquier voz.

Capital riesgo aportado por Credo Ventures y Concept Ventures. Entre los inversores particulares se encuentran Peter Czaban, Tytus Cytowski, Talfan Evans, la Dra. Fatima Godall, Tomasz Karwatka, Piotr Karwatka, Akhil Paul, Bartek Pucek, Marta Pyrzyk, Carles Reina, Parin Shah, Charlie Songhurst y Harry Songhurst.

Contacto
press@elevenlabs.io