ElevenLabs致力于打造AI语音层，即将文本转化为听起来像真人的语音模型。大多数人接触到这项技术时，往往是在与客服交流时却未意识到。例如，Klarna利用该技术为3500万美国客户提供一线电话支持，德国电信、思科、Adobe及越来越多的政府机构也在使用。ElevenLabs还面向创作者销售平台，应用于有声书、配音和音乐制作。

ElevenLabs并非市场上唯一的玩家，实际上它正越来越多地与客户产生竞争关系，包括对话式AI平台Decagon，该平台曾基于ElevenLabs训练其语音产品，现在也推出了自有模型进行竞争。但投资者对此并不担忧。该公司表示，年经常性收入已达6亿美元，尽管成立仅四年，投资方估值已高达220亿美元。

为了深入了解，我在多伦多本地创业大会Nrth（前称Elevate）采访了ElevenLabs联合创始人兼CEO Mati Staniszewski。我们讨论了多个话题，包括企业是否应告知客户他们正在与AI交流（他认为应该），以及公司毛利率情况。虽然他未透露具体数据，但明确表示如果能扩大市场份额，即使毛利率被进一步压缩也无妨。

以下为采访内容的精简版，全文可在相关平台观看。

去年你在TechCrunch Disrupt上曾预测音频模型将在几年内被商品化，你现在如何评价这一预测？

还有很多工作要做，单从模型层面提升质量的空间依然很大。长远来看，三到五年后这些差异会缩小。我们希望成为首个通过图灵测试的对话式AI，这不仅需要智能，还需要情感智能，能够理解对方情绪，适时调整语速，这一点尚未实现。

目前企业客户占比多少？

我们年经常性收入为6亿美元，超过55%来自传统企业，剩余45%中大部分是中小企业、开发者和创作者。

你们正与客户竞争，比如Decagon曾用你们的模型训练语音产品，现在用自家模型处理查询。

界限变得模糊。过去模型公司、平台公司、应用公司的界限很清晰，现在越来越模糊。以Anthropic为例，原本是模型公司，现在是平台且拥有多样化应用，这种趋势会持续。

客户可以从ElevenLabs的菜单中选择“推理层”，你们观察到前沿实验室模型和开源模型的使用情况如何？

这不是简单的二选一。若只是信息查询且无操作执行，开源模型足够，因为知识库定义了体验标准。但金融服务等场景需要身份验证、交易信息，容错空间极小，前沿模型仍占优势。

部分开源模型来自中国，而美国和欧洲政府是你们客户，这种情况如何处理？

视具体部署而定。不同国家有不同要求，可能用开源模型、闭源模型或自有微调模型。比如波兰医疗场景，患者预约后18%未到，系统会自动提醒，模型基于本地知识优化，且保证数据驻留。

企业是否应告知客户他们在与机器人而非真人交流？

我认为现在应当告知。人们尚未习惯，且不想感到被欺骗。但五年后，每个人都有自己的代理人，打电话时会期待与代理交流，届时社会观念会改变。可以通过提供选择，比如等待真人需30分钟，客户可选择机器人，绝大多数会选机器人并惊讶于体验质量。

考虑到模型和推理成本，你们的毛利率如何？

回答较模糊。我们通过研究优化模型，能智能地微调和限制模型。如果能节省成本会转嫁给客户。最重要的是证明价值并陪伴客户成长，因此愿意牺牲部分毛利率，共同分享未来五年创造的价值。

你们拥有数百万小时的客服通话录音，会用来训练模型吗？合成数据占比多少？

部分客户与我们共同打造专属模型。训练重点不在于数据量，而是数据标注。我们有数千名合同标注员，不仅标注内容，还标注说话时间、方式和情绪，甚至请语音教练帮助准确识别口音。

据报道你们计划2028年上市，能确认吗？

我们希望打造经得起时间考验的公司，正为未来几年上市打基础，但具体时间视情况而定。

“几年”说法很模糊。

（笑）

你怎么看前沿实验室是否应放缓发展？

大家都同意应协作寻找节奏。是否公开、媒体和监管介入程度另当别论。但我们应采取适当预防措施。我们不训练文本模型和智能核心，这是争论焦点。

ElevenLabs会像Hugging Face那样面临风险吗？

我们更进一步，不部署自我复制或递归智能部分。技术不允许代理生成更多代理。所有客户均通过身份验证。网络安全风险存在，但我们有完善防护措施。