AI音频公司ElevenLabs的联合创始人兼首席执行官Mati Staniszewski认为，AI模型将随着时间的推移而商品化，这一观点对于一家目前专注于构建这些模型的公司来说颇具启示意义。
周二在TechCrunch Disrupt 2025大会上发表演讲时，ElevenLabs创始人谈到了他对AI音频领域的短期和长期看法。
斯坦尼舍夫斯基表示，其公司的研究人员已经能够破解一些模型架构方面的挑战，并且这种重点将在未来一两年内继续延伸至音频领域。
斯坦尼舍夫斯基说：“从长远来看，它将会变得商品化——在未来几年内。”“即使存在差异——我认为对于某些声音、某些语言来说确实如此——但单就差异本身而言，它们会变得更小。”
当被问及既然他认为模型最终会被商品化，为什么 ElevenLabs 还要专注于构建模型时，斯坦尼舍夫斯基解释说，在短期内，它们仍然是“当今最大的优势以及最显著的飞跃”。
例如，如果 AI 语音或交互听起来效果不佳，这仍然是一个需要解决的问题。
斯坦尼舍夫斯基说：“解决它的唯一方法……就是自己构建模型，然后从长远来看，其他参与者也会解决这个问题。”
他还指出，那些寻求可靠、可扩展用例的公司可能仍会为不同的应用场景使用不同的模型。
然而，斯坦尼舍夫斯基表示，在未来一两年内，越来越多的模型将转向多模态或融合方法。
他说：“因此，你将同时创建音频和视频，或者在对话场景中同时结合音频和大语言模型（LLMs）。”他以谷歌的 Veo 3 为例，说明了将多个模型结合在一起所能实现的效果。
这位创始人表示，ElevenLabs 计划与其他公司建立合作伙伴关系，并与开源技术合作，看看该公司能否将其音频专业知识与其他模型的某些专长相结合。
他表示，对于 ElevenLabs 来说，目标是同时专注于模型构建和应用，以创造长期价值。
他补充道：“就像软件和硬件曾是苹果成功的秘诀一样，我们认为产品和 AI 将成为打造最佳用例的秘诀。”