ElevenLabs एक वॉइस-एआई स्टार्टअप है जिसकी स्थापना 2022 में पियोत्र डाबकोव्स्की और माटी स्टैनिसज़ेव्स्की द्वारा की गई थी, जो पूर्व Palantir और Google इंजीनियर हैं, जो न्यूरल Text-to-speech और Voice cloning तकनीक विकसित करता है। कंपनी के मॉडल दर्जनों भाषाओं में अत्यधिक प्राकृतिक सिंथेटिक भाषण उत्पन्न करते हैं और एक छोटे ऑडियो नमूने से किसी विशिष्ट व्यक्ति की आवाज़ को क्लोन कर सकते हैं, जो इसे Speech recognition पर आंशिक रूप से निर्भर रीयल-टाइम डबिंग और बहुभाषी स्थानीयकरण सुविधाओं के साथ उपभोक्ता- और उद्यम-मुखी वॉइस-जनरेशन टूल्स के अग्रणी प्रदाताओं में से एक के रूप में स्थापित करता है।
इतिहास
ElevenLabs ने 2023 की शुरुआत में अपना पहला सार्वजनिक बीटा लॉन्च किया और वॉइस गुणवत्ता के लिए तेजी से ध्यान आकर्षित किया जिसे कई श्रोताओं को मानव रिकॉर्डिंग से अलग करना मुश्किल लगा, जो पिछली पीढ़ी के TTS सिस्टम से एक स्पष्ट छलांग थी। कंपनी ने 2023 और 2024 के दौरान लगातार फंडिंग राउंड जुटाए, 2024 तक $1 बिलियन से अधिक के मूल्यांकन तक पहुँची, और 2025 के माध्यम से अतिरिक्त राउंड के साथ आगे मॉडल विकास और एक व्यापक उत्पाद सूट का समर्थन करते हुए बढ़ती रही, जिसमें एक डबिंग स्टूडियो, टेक्स्ट और लेखों को भाषण में बदलने के लिए एक रीडर ऐप, और अन्य अनुप्रयोगों में वॉइस बनाने वाले डेवलपर्स के लिए API एक्सेस शामिल है।
तकनीक और उत्पाद
ElevenLabs का मुख्य प्रस्ताव एक टेक्स्ट-टू-स्पीच इंजन को वॉइस-क्लोनिंग टूल्स के साथ जोड़ता है जो उपयोगकर्ताओं को कुछ मिनटों, या कुछ मोड में सेकंड, के संदर्भ ऑडियो से आवाज़ की एक सिंथेटिक प्रतिकृति बनाने देता है। कंपनी ने एक वॉइस लाइब्रेरी मार्केटप्लेस बनाया जहाँ निर्माता अपनी क्लोन की गई आवाज़ों को लाइसेंस दे सकते हैं, और भाषण-से-भाषण रूपांतरण, ध्वनि-प्रभाव निर्माण, और बहुभाषी डबिंग में विस्तार किया जो भाषाओं में एक वक्ता की मूल आवाज़ और भावनात्मक स्वर को संरक्षित करता है। ये उत्पाद ऑडियोबुक उत्पादन, वीडियो गेम स्थानीयकरण, पॉडकास्टिंग, और पहुँच उपकरणों में उपयोग किए जाते हैं, और व्यापक मल्टीमॉडल सहायकों में वॉइस को बंडल करने वाली बड़ी प्रयोगशालाओं के प्रस्तावों के साथ प्रतिस्पर्धा करते हैं।
चिंताएँ और सुरक्षा उपाय
ElevenLabs के वॉइस क्लोनिंग की यथार्थवादिता ने धोखाधड़ी, राजनीतिक दुष्प्रचार, और गैर-सहमति प्रतिरूपण के लिए दुरुपयोग के बारे में शुरुआती चिंता पैदा की, जो डीपफेक के बारे में व्यापक चिंताओं को प्रतिध्वनित करती है। 2023 की शुरुआत में, क्लोन की गई सेलिब्रिटी आवाज़ों का उपयोग आपत्तिजनक ऑडियो क्लिप उत्पन्न करने के लिए किया गया था जो ऑनलाइन प्रसारित हुईं, जिससे कंपनी को मुफ्त-स्तरीय क्लोनिंग को प्रतिबंधित करने और मॉडरेशन जोड़ने के लिए प्रेरित किया। ElevenLabs ने तब से उत्पन्न ऑडियो के AI वॉटरमार्किंग, सार्वजनिक हस्तियों के प्रतिरूपण को सहमति के बिना रोकने के लिए एक ऑप्ट-इन नो-गो-वॉइसेस सूची, और पेशेवर वॉइस क्लोनिंग के लिए सत्यापन आवश्यकताओं सहित सुरक्षा उपाय लागू किए हैं। कंपनी की वृद्धि को अक्सर AI music generation टूल्स जैसे Suno के साथ व्यापक जनरेटिव-ऑडियो लहर की चर्चाओं में उद्धृत किया जाता है, और इसकी क्लोनिंग तकनीक को नियमित रूप से एआई-सक्षम वॉइस-धोखाधड़ी घोटालों और सिंथेटिक मीडिया के लिए प्रोवेनेंस की व्यापक चुनौती पर रिपोर्टिंग में संदर्भित किया जाता है।