ElevenLabs 构建 AI 语音层，即将文本转化为类人语音的模型。多数用户在与客服通话时接触该技术却未察觉，例如 Klarna 已利用其为 3500 万美国客户提供一线电话支持。Deutsche Telekom、Cisco、Adobe 及多家政府机构亦采用该方案。此外，ElevenLabs 还面向创作者提供有声书、配音和音乐制作平台。
尽管面临 Decagon 等基于其技术训练并展开竞争的对话式 AI 平台的挑战，投资者仍保持乐观。据报道，这家成立仅四年的公司年经常性收入（ARR）增速达 6 亿美元，估值已达 220 亿美元。
在多伦多 Nrth 创业会议上，我们与 ElevenLabs 联合创始人兼 CEO Mati Staniszewski 进行了深入交流。话题涵盖企业是否应披露 AI 身份、毛利率策略等。Staniszewski 虽未透露具体财务数据，但明确表示：若为扩大市场份额，公司不介意短期压缩利润率。
您去年预测音频模型将在几年内成为大宗商品，如今如何看待这一判断？
模型层面的质量差距依然显著，预计三到五年后才会缩小。我们正致力于通过对话式 AI 的“图灵测试”，这不仅需要智能，更需情商——即理解对方情绪并据此调整语速或音量，目前这一点尚未完全实现。
目前企业业务占比如何？
公司 ARR 已达 6 亿美元。其中超 55% 来自传统企业客户；剩余 45% 中也有相当比例来自小微企业、开发者及创作者。
您越来越多地与客户竞争，例如 Decagon 使用您的数据训练自有模型，对此有何看法？
行业界限正日益模糊。过去模型公司、平台公司与应用公司划分清晰，如今则不然。Anthropic 从模型公司发展为平台及应用集合便是例证，我认为这一趋势将持续。
客户可在 ElevenLabs 选择“推理层”，您在前沿模型与开源模型的使用上有何观察？
这并非二选一。在仅需咨询信息的客服场景中，开源模型配合知识库即可满足需求；但在涉及身份验证、交易查询或退款的金融服务中，容错率极低，前沿模型仍将占据主导。
部分开源模型来自中国，而美欧政府也是您的客户，如何应对相关合规问题？
部署策略因案而异。例如与波兰政府合作的医疗预约提醒项目中，针对 18% 患者爽约的问题，我们集成了其本地优化的模型并确保数据本地化。无论是开源、闭源还是微调模型，均取决于客户的具体需求与合规要求。
企业是否应在用户与 AI 代理交谈时进行披露？
现阶段应当披露，以避免用户产生被欺骗感。但随着个人代理普及，未来社会观念或将转变。目前的最佳实践是提供选择权：若等待真人需 30 分钟，多数客户会选择 AI 代理，且往往对体验感到惊喜。
考虑到模型与推理成本，贵司的毛利率情况如何？
得益于研究能力，我们能以智能方式微调和约束模型以优化成本。但我们更看重价值证明与客户共赢，因此愿意将节省的成本让利给客户，甚至接受短期利润率降低，以换取未来五年的共同增长。
拥有数百万小时通话记录，是否用于训练？合成数据占比多少？
我们会与客户共创特定用例模型。训练的核心难点不在于数据量而在于标注质量。我们有数千名内部合同工负责标注说话时机、方式及情绪，甚至聘请语音教练以确保口音检测的准确性。
据报道计划于 2028 年 IPO，能否确认？
我们致力于打造一家经得起时间考验的公司，并正为此奠定基础。至于上市时机与地点，将视具体情况而定。
“几年”这个说法非常模糊。
[笑声。]
幕后视角：您认为前沿实验室是否应放缓发展步伐？
业界正积极协作寻找节奏控制方法。至于公开讨论或监管介入的程度是另一话题，但部署技术时必须采取适当预防措施。需强调的是，我们不训练文本模型及其智能核心，而这正是当前辩论的焦点。
ElevenLabs 是否会像 Hugging Face 那样面临暴露风险？
我们的风险管控更为严格：不部署具备自我复制或循环特性的代理智能，技术上禁止用户创建更多代理，且所有客户均需通过 KYC 审核。尽管网络安全是全球性威胁，但我们已建立完善的预防体系。