专注于声音生成的AI初创公司ElevenLabs宣布推出一款能够生成音效的新AI模型。目前该模型尚未向公众开放，但通过在OpenAI文本转视频工具Sora的演示视频中添加由其模型生成的声音，成功引发了广泛关注。
我们对Sora的发布感到惊叹，但觉得它还需要一些……
如果你能描述一种声音并用AI生成它，会怎样？pic.twitter.com/HcUxQ7Wndg—— ElevenLabs (@elevenlabsio) 2024年2月18日
用户可通过ElevenLabs官网注册页面填写问卷，加入AI音效等待名单，以便提前获得访问权限。
ElevenLabs的创业历程
总部位于伦敦和纽约的ElevenLabs由Piotr Dabkowski和Mati Staniszewski于2022年创立。该公司利用人工智能技术实现“Text to Speech”（文本转语音）、多语言配音及声音克隆，其技术能够高度模仿人类语调与情感，具备广泛的商业应用场景。
ElevenLabs开发了文本转语音和语音转语音模型，支持从文本、音频及视频中提取并生成涵盖29种语言的特定AI语音，同时保持声音的自然度与情感表现力。
2023年6月，ElevenLabs完成1900万美元融资，由GitHub前CEO Nat Friedman、Y Combinator前AI负责人Daniel Gross及Andreessen Horowitz领投。
2024年1月，公司再获8000万美元B轮融资，由Andreessen Horowitz、Nat Friedman和Daniel Gross联合领投，Sequoia Capital、Smash Capital、SV Angel、BroadLight Capital及Credo Ventures等知名机构参投。
至此，ElevenLabs累计融资额达1亿美元，估值突破10亿美元，正式跻身独角兽行列。
目前，该公司的主要竞争对手包括MURF.AI、Play.ht和WellSaid Labs。全球AI语音市场规模在2022年已达12亿美元，预计将以15.40%的年复合增长率增长，到2032年有望达到约50亿美元。
ElevenLabs的人工智能音效
随着Runway、Pika和Sora等AI视频生成工具的兴起，ElevenLabs推出的AI音效功能有效弥补了视频内容中声音缺失的问题。用户仅需通过文字描述，即可生成所需的音效，涵盖鸟鸣、交通噪音、人声对话、进食声及街道背景音等多种场景。
ElevenLabs增长主管Luke Harries表示，尽管此前仅公开了文本转语音模型，但公司实际上已研发了更多产品。
当OpenAI发布能够生成令人惊叹但无声视频的Sora模型时，我们决定审视我们的新产品系列。
基于此战略调整，ElevenLabs成功推出了音效生成功能。不过，该模型全面开放的具体时间尚未确定。