ElevenLabs tar in 2 miljoner dollar och lanserar AI-plattform för tal som kan revolutionera ljudberättande

• ElevenLabs lanserar betaplattform som låter kreatörer och utgivare ge sitt långa innehåll en röst
• Pre-seed-rundan leddes av Credo Ventures, med deltagande från även Concept Ventures och enskilda investerare
• Kapitalet ska finansiera forskning och utveckling av AI-dubbning, som planeras släppas senare i år

2023-01-23, London, Storbritannien | ElevenLabs, en startup inom AI-röstteknik, utvecklar verklighetstrogna verktyg för talsyntes med det långsiktiga målet att direkt kunna konvertera talat ljud mellan språk. I dag meddelade företaget lanseringen av sin betaplattform efter att ha tagit in 2 miljoner dollar i en pre-seed-runda ledd av Credo Ventures, där även Concept Ventures och andra enskilda investerare deltog.

Företagets plattform låter kreatörer och utgivare ge långt innehåll en röst och nå ut i ljudformat. Funktionerna drivs av en egenutvecklad deep learning-modell för talsyntes som återger mänsklig intonation och betoningar på ett realistiskt sätt och kan anpassa framförandet efter sammanhanget. ElevenLabs erbjuder också en uppsättning verktyg för Voice Cloning och utformning av syntetiska röster, som ger användare nya kreativa möjligheter. Företaget arbetar just nu med utvalda utgivare på en särskild arbetsstation för redigering av voice-over, som läggs till på plattformen i början av februari. ElevenLabs vill bli den första AI-berättaren som erbjuder den kvalitet som krävs för att skapa röster till nyheter och ljudböcker i stor skala.

Stora framsteg kräver innovation, och därför ser ElevenLabs sig framför allt som ett forskningsföretag. Hittills har mycket av forskningen fokuserat på att utveckla nya Text to Speech-modeller som använder hög komprimering och förståelse för sammanhang för att återge mänskligt tal med extrem realism. Företaget har också byggt en ny modell för Voice Cloning som uppnår stor likhet i resultatet utan träning (ingen finjustering), med ljudprover så korta som 5 sekunder – något som tidigare var otänkbart. Utvecklare kan få tillgång till alla dessa funktioner via API.

Den här forskningen driver plattformens nuvarande funktioner, men bidrar också till att förverkliga företagets yttersta mål: att direkt konvertera talat ljud mellan språk. Deras AI-verktyg för dubbning, som planeras släppas senare i år, låter användare automatiskt ge vilket ljud eller vilken video som helst en ny röst på ett annat språk, samtidigt som den ursprungliga talarens röst bevaras. ElevenLabs hoppas först locka kunder inom utbildningsområdet, medan det långsiktiga målet är att göra flerspråkigt ljudstöd på begäran till verklighet inom streaming, ljudböcker, spel, film och till och med samtal i realtid.

Företagets verktyg för talsyntes och dubbning kompletterar varandra väl och kommer vid rätt tidpunkt: båda kan göra ljud och video tillgängliga för en bredare publik, samtidigt som ljudområdet växer snabbt. En tidig grupp testare, däribland YouTube-kreatörer, utgivare och utvecklare, använder redan plattformen dagligen för att ge röst åt videor, berättelser och karaktärer, och företaget förväntar sig att användningsområdena för genererat tal bara kommer att växa. Nyhetsutgivare har redan märkt att en starkare närvaro inom ljud är ett bra sätt att engagera och behålla prenumeranter. Men att anlita röstskådespelare är dyrt, liksom att låta reportrar läsa in sina artiklar. Författare av böcker och nyhetsbrev, och även spelutvecklare, står inför liknande utmaningar: de förstnämnda väljer i allt högre grad att läsa in sina egna verk, medan de sistnämnda måste avgöra om en viss karaktär motiverar kostnaden för inspelning. De som använder befintlig Text to Speech-programvara sparar pengar men betalar ett annat pris genom att kompromissa med kvaliteten. ElevenLabs menar att det inte längre finns något behov av kompromisser när företaget förbereder sig för att ge kreatörer och utgivare de mest avancerade och mångsidiga AI-verktygen för berättande.

”Plattformen vi lanserar nu handlar om att omvandla text till talat ljud av högsta kvalitet. Vi vill låta människor njuta av sin favoritbok eller sitt favoritnyhetsbrev genom att ge en röst åt alla författare, kreatörer och utvecklare som inte haft råd med en” – säger medgrundaren Mati Staniszewski. ”Vårt yttersta mål är att låta människor ta del av allt innehåll de tycker är relevant och intressant, oavsett vilket språk de talar” – tillägger Piotr Dabkowski, också medgrundare.

På Credo Ventures vill vi arbeta med smarta och ambitiösa grundare från CEE-regionen. Redan vid vårt första möte såg vi drivet och gnistan i Matis och Piotrs ögon. Några månader senare håller de på att bli ett forskningsnav för talteknik i OpenAI-klass, som löser de största utmaningarna inom artificiellt ljud. Deras syntetiserade röster går redan inte att skilja från riktiga, och detta genombrott har inte bara kraftigt sänkt trösklarna för att skapa innehåll med en tidigare oöverträffad kvalitet och naturtrogenhet, utan kommer snart också att låta kreatörer kraftigt utöka sin publik genom att bli flerspråkiga. – säger Maciek Gnutek, General Partner på Credo Ventures.

Trots att ljud är vanligt inom både underhållning & näringsliv har det varit relativt försummat i den senaste forskningens framsteg. Vi är otroligt glada över att stötta Mati & Piotr i denna guldålder för generativ AI och tror att ElevenLabs är teamet som kan göra denna teknik tillgänglig för alla, en röst i taget – säger Oliver Kicks, Principal på Concept Ventures.

Om ElevenLabs:
ElevenLabs är ett forskningsföretag som utvecklar programvara för AI-röstsyntes för kreatörer och utgivare. Företagets verktyg återger anmärkningsvärt verklighetstroget tal och kan anpassa intonation och betoningar utifrån antingen sammanhang eller användarens instruktioner. Företagets plattform ska erbjuda den kvalitet och mångsidighet som krävs för att bli en samlad lösning för att ge röst åt nyheter, nyhetsbrev, böcker och videor. Viktiga funktioner är bland annat: textbaserad talgenerering, Voice Cloning, Voice Design och snart även ett projektworkflow för redigering av berättarröst. ElevenLabs grundades 2022 av Piotr, tidigare maskininlärningsingenjör på Google, och Mati, tidigare implementeringsstrateg på Palantir. Företagets långsiktiga mål är att göra talat innehåll tillgängligt för alla på alla språk och med alla röster.

Riskkapital tillhandahålls av Credo Ventures och Concept Ventures. Bland de enskilda investerarna finns 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 och Harry Songhurst.

Kontakta
press@elevenlabs.io