Hur AI ger varje ljudbokslyssnare personlig berättarröst globalt

Tänk dig att du har väntat oroligt på uppföljaren till din favoritbok. Äntligen, efter månader, är den här. Du laddar ner ljudboken och trycker på spela. I ditt huvud hade du föreställt dig berättaren med en varm, grusig ton - kanske en aning av en fin brittisk accent. Men istället är rösten platt, eller för hög, eller bara fel.

Med en fysisk bok är möjligheterna oändliga: ditt sinne formar karaktärernas röster. Med traditionella ljudböcker görs det valet åt dig. I årtionden har ljudböcker begränsats till en enda röst, dikterad av förlagens beslut, budgetbegränsningar och tillgången på berättare. Men AI förändrar det. Idag behöver du inte bara passivt lyssna, du kan aktivt engagera dig med boken på ett sätt som du väljer.

Denna förändring är viktig eftersom ljudboksmarknaden växer i en oöverträffad takt. År 2029 förväntas antalet ljudbokslyssnare nå 1,8 miljarder. Den globala intäkten ökar också, och förväntas nå 9,84 miljarder dollar i slutet av 2025 och överstiga 13 miljarder dollar år 2029.

Trots dessa vinster återspeglar de nuvarande marknads siffrorna främst traditionell ljudboksproduktion, som fortfarande är begränsad av kostnader och tillgången på berättare. Vi tror att röst-AI kommer att påskynda denna tillväxt genom att minska produktionsbarriärer, göra ljudböcker mer tillgängliga över språk och regioner, och möjliggöra för fler skapare att ge liv åt sina berättelser. 

I takt med att efterfrågan på immersiv och bekväm berättande fortsätter att öka, kommer AI-drivna berättelser att hjälpa till att låsa upp den fulla potentialen av ljudboksmarknaden.

Bortom en röst: Personalisering genom AI

Traditionella ljudböcker har länge varit begränsade till en enda berättare som valts av förlagen - ofta baserat på budget, författarens input och tillgänglighet snarare än lyssnarens preferens. En engelskspråkig ljudbok kan ha en amerikansk röst, men en australiensisk eller indisk lyssnare kanske föredrar en uppläsare med en mer bekant accent.

Till skillnad från att läsa en fysisk bok - där läsare naturligt föreställer sig karaktärernas röster - erbjuder traditionella ljudböcker inte den flexibiliteten. Som New York Times bästsäljande författare Joseph Nassise pekar ut

Alla är olika. Vad jag som författare kan tycka om eller föreställa mig kan vara annorlunda än vad lyssnare faktiskt föredrar. Det är kraftfullt att ge mina lyssnare flexibiliteten att välja hur de vill att berättelsen ska berättas.

AI-drivna berättelser förändrar detta genom att låta användare anpassa sin lyssnarupplevelse, vilket gör ljudböcker mer uppslukande och tillgängliga.

Bortom personlig preferens tar AI-berättande bort hinder som författare, särskilt oberoende författare och de från mindre marknader, står inför. Kostnaden och produktionstiden för mänsklig berättarröst har traditionellt varit avskräckande, och även författare som vill berätta sin egen text blir inte alltid utvalda.

Som USA Today bästsäljande författare Leeanna Morgan anteckningar

För första gången har läsarna kontroll över hur de vill höra sina ljudböcker. ElvaReader-appen gör det möjligt för lyssnare att anpassa sin ljudboksupplevelse och ge liv åt en författares berättelser på det mest meningsfulla sättet för dem.

Den ElevenReader-appen redan möjliggör hundratusentals användare på över 32 språk att välja sin föredragna AI-röst - med röstskådespelare som också kompenseras, vilket betalade ut över 1 miljon dollar i intäkter bara förra året.

Språkval har också varit en stor begränsning inom traditionell ljudboksproduktion, där de flesta inspelningar är begränsade till globalt dominerande språk. Även när översättningar finns, beaktas sällan lokala accenter och dialekter.

ElevenLabs röstteknologi förändrar detta genom att generera mycket lokaliserade röster med kontextuell medvetenhet - vilket säkerställer att berättandet låter naturligt och känslomässigt resonant. Våra data från nästan 900 000 timmar av ljudbokslyssnande visar att användare starkt föredrar lokaliserade röster. 

Över de åtta största globala språken i ElevenLabs läsapp representeras över 34 unika AI-röster, där den mest populära rösten på något givet språk står för endast 15% av den totala lyssningen.

Denna mångfald belyser efterfrågan på berättande som känns inhemskt för varje lyssnare. Även inom samma språk varierar preferenserna kraftigt.

På engelska, till exempel, är Brian (amerikansk accent) det främsta valet i USA, medan George (brittisk accent) föredras i Storbritannien och Australien. En liknande trend framträder i portugisiska - Jessica är den mest populära rösten i Brasilien, medan europeiska portugisiska lyssnare föredrar David.

Data visar att endast en AI-röst delades bland de fem bästa i både Portugal och Brasilien, trots deras gemensamma språkliga rötter. Detta visar vikten av regional variation. Även om denna preferens för dialekt verkar intuitiv, är tonfall ännu mer subjektivt.

En thriller som utspelar sig i Glasgow kan låta bäst med en glaswegian accent, medan en parisisk kärlekshistoria känns mer naturlig med en fransk.

Vår analys av nästan 900 000 timmar av ljudbokslyssnande bekräftar att ingen enskild röst passar alla lyssnare. Även inom ett språk visar AI-röster en "lång svans" av användarpreferenser - där den främsta berättaren i ett urval endast representerar 10% av lyssnandet, vilket kräver mer än ett dussin röster för att nå 50% av användningen.

Det förstärker en verklighet som traditionell ljudboksproduktion helt enkelt inte kan matcha: lyssnare runt om i världen vill ha ett val, och AI gör det möjligt.