ElevenLabs ने $2 मिलियन जुटाए और ऑडियो स्टोरीटेलिंग में बदलाव लाने वाले AI स्पीच प्लेटफ़ॉर्म की घोषणा की

• ElevenLabs ने बीटा प्लेटफ़ॉर्म लॉन्च किया, जो क्रिएटर्स और पब्लिशर्स को अपने लंबे फ़ॉर्मैट के कॉन्टेंट का नैरेशन करने देता है
• प्री-सीड फंडिंग राउंड का नेतृत्व Credo Ventures ने किया, जिसमें Concept Ventures और व्यक्तिगत निवेशकों ने भी हिस्सा लिया
• यह पूंजी इस साल के अंत में रिलीज़ होने वाले AI डबिंग के रिसर्च और डेवलपमेंट में इस्तेमाल होगी

2023-01-23, लंदन, यूके | AI वॉइस टेक्नोलॉजी स्टार्टअप ElevenLabs, भाषाओं के बीच बोले गए ऑडियो को तुरंत बदलने के दीर्घकालिक लक्ष्य के साथ, जीवंत स्पीच सिंथेसिस टूल बना रहा है। आज, कंपनी ने Credo Ventures के नेतृत्व वाले प्री-सीड फंडिंग राउंड में $2 मिलियन जुटाने के बाद अपने बीटा प्लेटफ़ॉर्म के लॉन्च की घोषणा की। इस राउंड में Concept Ventures और अन्य व्यक्तिगत निवेशकों ने भी हिस्सा लिया।

कंपनी का प्लेटफ़ॉर्म क्रिएटर्स और पब्लिशर्स को लंबे फ़ॉर्मैट के कॉन्टेंट का नैरेशन करने और ऑडियो फ़ॉर्मैट में विस्तार करने देता है। इसके फीचर्स स्पीच सिंथेसिस के लिए इन-हाउस विकसित डीप लर्निंग मॉडल से चलते हैं, जो मानवीय उतार-चढ़ाव और लहजे को वास्तविक रूप से पेश करता है और संदर्भ के अनुसार डिलीवरी को समायोजित कर सकता है। ElevenLabs वॉइस क्लोनिंग और सिंथेटिक वॉइस डिज़ाइन करने के लिए टूल्स का एक सेट भी देता है, ताकि यूज़र्स को रचनात्मकता के नए तरीके मिल सकें। कंपनी फिलहाल चुनिंदा पब्लिशर्स के साथ वॉइसओवर एडिटिंग के लिए एक समर्पित वर्कस्टेशन पर काम कर रही है, जिसे फरवरी की शुरुआत में प्लेटफ़ॉर्म में जोड़ा जाएगा। ElevenLabs का लक्ष्य बड़े पैमाने पर समाचार और ऑडियोबुक्स को आवाज़ देने के लिए ज़रूरी गुणवत्ता उपलब्ध कराने वाला पहला AI नैरेटर बनना है।

क्षमताओं में बड़ी छलांग के लिए इनोवेशन ज़रूरी है, इसलिए ElevenLabs खुद को सबसे पहले एक रिसर्च कंपनी मानता है। अब तक का ज़्यादातर रिसर्च नए टेक्स्ट टू स्पीच मॉडल्स विकसित करने पर केंद्रित रहा है, जो मानवीय आवाज़ को बेहद वास्तविक ढंग से पेश करने के लिए उच्च कम्प्रेशन और संदर्भ की समझ पर निर्भर करते हैं। कंपनी ने वॉइस क्लोनिंग के लिए एक नया मॉडल भी बनाया है, जो केवल 5 सेकंड के छोटे सैंपल से, बिना किसी ट्रेनिंग (बिना फाइन-ट्यूनिंग) के, आउटपुट में काफी उच्च समानता हासिल करता है—जो पहले कभी नहीं देखा गया था। डेवलपर्स API के ज़रिए इन सभी फीचर्स का इस्तेमाल कर सकते हैं।

यह रिसर्च प्लेटफ़ॉर्म के मौजूदा फीचर्स को शक्ति देता है, साथ ही भाषाओं के बीच बोले गए ऑडियो को तुरंत बदलने के कंपनी के अंतिम लक्ष्य को हासिल करने में भी मदद करता है। इस साल के अंत में रिलीज़ होने वाला उनका AI डबिंग टूल यूज़र्स को मूल वक्ता की आवाज़ बनाए रखते हुए किसी भी ऑडियो या वीडियो को किसी दूसरी भाषा में अपने-आप फिर से आवाज़ देने देगा। ElevenLabs शुरुआत में शिक्षा क्षेत्र के ग्राहकों को आकर्षित करने की उम्मीद करता है, जबकि इसका दीर्घकालिक लक्ष्य स्ट्रीमिंग, ऑडियोबुक्स, गेमिंग, फिल्मों और रियल-टाइम बातचीत तक में मांग पर बहुभाषी ऑडियो सपोर्ट को हकीकत बनाना है।

कंपनी के स्पीच सिंथेसिस और डबिंग टूल्स एक-दूसरे के पूरक होने के साथ सही समय पर भी आए हैं: दोनों ऑडियो और वीडियो को बड़े दर्शक वर्ग तक पहुंचाने का वादा करते हैं, और दोनों ऐसे समय में आए हैं जब ऑडियो क्षेत्र तेज़ी से बढ़ रहा है। टेस्टर्स का एक शुरुआती समूह, जिसमें YouTube क्रिएटर्स, पब्लिशर्स और डेवलपर्स शामिल हैं, पहले से ही वीडियो, कहानियों और किरदारों को आवाज़ देने के लिए रोज़ इस प्लेटफ़ॉर्म का इस्तेमाल करता है। कंपनी को उम्मीद है कि जनरेटिव स्पीच के संभावित इस्तेमाल के क्षेत्र और बढ़ेंगे। समाचार पब्लिशर्स ने पहले ही पाया है कि अपनी ऑडियो मौजूदगी बढ़ाना सब्सक्राइबर्स को जोड़ने और बनाए रखने का शानदार तरीका है। लेकिन वॉइस ऐक्टर्स को हायर करना महंगा है, और रिपोर्टर्स से अपनी स्टोरीज़ पढ़वाना भी। किताबों और न्यूज़लेटर के लेखक, और यहां तक कि गेम डेवलपर्स भी ऐसी ही चुनौतियों का सामना करते हैं: लेखक लगातार अपने काम का खुद नैरेशन करने लगे हैं, जबकि गेम डेवलपर्स को तय करना होता है कि किसी खास किरदार के लिए रिकॉर्डिंग का खर्च सही है या नहीं। मौजूदा टेक्स्ट टू स्पीच सॉफ़्टवेयर इस्तेमाल करने वाले लोग पैसे तो बचाते हैं, लेकिन गुणवत्ता से समझौता करके उसकी दूसरी कीमत चुकाते हैं। ElevenLabs का मानना है कि अब समझौता करने की ज़रूरत नहीं है, क्योंकि हम क्रिएटर्स और पब्लिशर्स को सबसे उन्नत और बहुमुखी AI स्टोरीटेलिंग टूल्स देने की तैयारी कर रहे हैं।

“हम जो प्लेटफ़ॉर्म अभी लॉन्च कर रहे हैं, उसका मकसद टेक्स्ट को बेहतरीन गुणवत्ता वाले बोले गए ऑडियो में बदलना है। हम उन सभी लेखकों, क्रिएटर्स और डेवलपर्स को आवाज़ देकर लोगों को उनकी पसंदीदा किताब या न्यूज़लेटर का आनंद लेने देना चाहते हैं, जो इसे वहन नहीं कर सकते थे।” - सह-संस्थापक Mati Staniszewski कहते हैं। “हमारा अंतिम लक्ष्य लोगों को अपनी पसंद का हर प्रासंगिक और दिलचस्प कॉन्टेंट सुनने देना है, चाहे वे कोई भी भाषा बोलते हों।” - सह-संस्थापक Piotr Dabkowski जोड़ते हैं।

Credo Ventures में हम CEE क्षेत्र के स्मार्ट और महत्वाकांक्षी संस्थापकों के साथ काम करना चाहते हैं। हमारी पहली मुलाकात में ही हमने Mati और Piotr की आंखों में जुनून और चमक देखी। कुछ महीनों बाद, वे आर्टिफिशियल ऑडियो की सबसे बड़ी चुनौतियों को हल करने वाला OpenAI-स्तर का स्पीच टेक्नोलॉजी रिसर्च हब बन रहे हैं। उनकी सिंथेसाइज़्ड वॉइस पहले ही असली आवाज़ों से अलग नहीं पहचानी जा सकतीं। इस सफलता ने न सिर्फ अभूतपूर्व गुणवत्ता और सटीकता के साथ कॉन्टेंट बनाने की बाधाओं को बहुत कम किया है, बल्कि जल्द ही क्रिएटर्स को बहुभाषी होकर अपने दर्शक वर्ग का बड़े पैमाने पर विस्तार करने भी देगा। – Credo Ventures के जनरल पार्टनर Maciek Gnutek कहते हैं।

मनोरंजन और व्यवसाय, दोनों में आम होने के बावजूद, रिसर्च में हुई हालिया प्रगति में ऑडियो को अपेक्षाकृत नज़रअंदाज़ किया गया है। जनरेटिव AI के इस स्वर्णिम दौर में Mati & Piotr का समर्थन करने को लेकर हम बेहद उत्साहित हैं और हमारा मानना है कि ElevenLabs ही वह टीम है जो इस टेक्नोलॉजी को एक-एक आवाज़ के ज़रिए आम लोगों तक पहुंचाएगी - Concept Ventures के प्रिंसिपल Oliver Kicks कहते हैं।

ElevenLabs के बारे में:
ElevenLabs क्रिएटर्स और पब्लिशर्स के लिए AI वॉइस सिंथेसिस सॉफ़्टवेयर विकसित करने वाली एक रिसर्च कंपनी है। कंपनी के टूल्स बेहद जीवंत आवाज़ पेश करते हैं और संदर्भ या यूज़र के निर्देश के आधार पर उतार-चढ़ाव और लहजे को समायोजित कर सकते हैं। कंपनी का प्लेटफ़ॉर्म समाचार, न्यूज़लेटर्स, किताबों और वीडियो को आवाज़ देने के लिए ज़रूरी गुणवत्ता और बहुमुखीपन देने का लक्ष्य रखता है, ताकि यह हर ज़रूरत के लिए एक ही जगह बन सके। मुख्य फीचर्स में शामिल हैं: टेक्स्ट-आधारित स्पीच जनरेशन, वॉइस क्लोनिंग, वॉइस डिज़ाइन और जल्द ही नैरेशन एडिटिंग के लिए प्रोजेक्ट वर्कफ़्लो। ElevenLabs की स्थापना 2022 में Google के पूर्व मशीन लर्निंग इंजीनियर Piotr और Palantir के पूर्व डिप्लॉयमेंट स्ट्रैटेजिस्ट Mati ने की थी। कंपनी का दीर्घकालिक लक्ष्य बोले गए कॉन्टेंट को हर भाषा और आवाज़ में सभी के लिए सुलभ बनाना है।

वेंचर कैपिटल Credo Ventures और Concept Ventures ने प्रदान किया। व्यक्तिगत निवेशकों में 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 और Harry Songhurst शामिल हैं।

संपर्क करें
press@elevenlabs.io