Hej från ElevenLabs

Vad är ElevenLabs?

Vi är ett forskningsföretag inom röstteknologi. Vi använder artificiell intelligens (AI) och maskininlärning (ML) för att ge de mest kraftfulla verktygen för talsyntes, röstkonvertering och dubbning till innehållsskapare, webbplattformar och produktionsstudior över olika branscher.

Vad är dubbning, röstkonvertering och talsyntes?

Dubbning är en process för att ge en film ett ljudspår på ett annat språk. Vanligtvis menar man att ersätta de ursprungliga skådespelarnas röster med röster från personer som talar ett annat språk - även kallat "omröstning" - vilket traditionellt är en kostsam och tidskrävande uppgift. Hos Eleven använder vi AI för att göra detta automatiskt samtidigt som vi bevarar skådespelarnas ursprungliga röster över språkgränser.

Röstkonvertering gör det möjligt för en person att tala med en annan persons röst. Även känt som voice cloning, är det en process för att koda en målröst och lägga den över en källröst. Att tala med någon annans röst väcker etiska frågor eftersom det kan användas för onda syften, men hos Eleven är vi engagerade i att endast använda vår teknologi med individens samtycke eller för demonstrationsändamål på ett sätt som inte ger upphov till intressekonflikter.

Text-to-speech (TTS) är grunden för all talsyntesteknologi. TTS-tekniken har förbättrats radikalt över åren men låter fortfarande ofta robotliknande. Det beror på att det inte räcker att uttala ord flytande för att ge tal mänsklig kvalitet. Det är den avsiktsdrivna tonen och tempot som kommer från att förstå vad som sägs som gör att det låter naturligt. Återigen, hos Eleven försöker vi uppnå just detta: genom att exponera vår modell för en mängd mänskligt taldata tränar vi den att förstå både det logiska och emotionella sammanhanget i yttranden och att anpassa leveransen därefter. Vi kan också åsidosätta standardleveransen för att uppnå önskad effekt.

Hur skiljer sig Eleven?

Vårt dubbningsverktyg låter dig automatiskt omrösta en video på ett annat språk samtidigt som de ursprungliga talarens unika röstegenskaper bevaras. Vi är det första företaget med uppdraget att tillhandahålla dedikerade verktyg för speech-to-speech-översättning som bevarar talarens identitet mellan språk. Vår teknologi låter dig producera flerspråkiga, lokaliserade ljudspår med infödd flyt och ordförråd, i din egen röst, med ditt talmönster bevarat, och utan behov av att redigera om visuellt material. Hos Eleven föreställer vi oss en framtid där allt talat innehåll är tillgängligt på vilket språk som helst över streaming, film, podcasts, ljudböcker, spel, reklam, samt så småningom realtidssamtal. Vi hoppas kunna bidra till denna framtid genom att erbjuda en mycket mer uppslukande och sömlös upplevelse än vad undertexter någonsin kan. Den första versionen av vårt verktyg erbjuder dubbning från engelska till europeisk spanska.

Att uppnå produktionskvalitet i automatisk dubbning är endast möjligt om vi gör framsteg inom två närliggande röstteknikområden - röstkonvertering och talgenerering för vilka vi också utvecklar dedikerade verktyg, parallellt med vår dubbningsprogramvara. Våra produkter här stöder både voice cloning och syntetiskt tal. Vi går bortom att leverera mänskligt ljudande, icke-robotiska röster (eller till och med tal som är omöjligt att skilja från originalet när det tränas på ett urval). Vi kan exakt justera tonen i yttranden för att uppnå önskad effekt samt generera otaliga iterationer inom en viss leveransstil - precis som en skådespelare skulle göra.

Kort sagt, vårt dubbningsverktyg syftar till att låta befintligt innehåll nå en bredare publik. Våra talgenererings- och röstkonverteringsverktyg syftar till att optimera tid och kostnad som är involverade i att producera nytt innehåll samtidigt som produktionsvärdet maximeras. Genom dubbning hoppas vi främst kunna både möjliggöra för skapare att utöka sin räckvidd och hjälpa potentiella publiker att upptäcka innehåll de finner relevant och fängslande, oavsett vilket språk de förstår.