ElevenLabsは、2022年に元PalantirおよびGoogleのエンジニアであるPiotr DabkowskiとMati Staniszewskiによって設立された音声AIスタートアップであり、ニューラルテキスト読み上げおよび音声クローン技術を開発している。同社のモデルは、数十言語で非常に自然な合成音声を生成し、短い音声サンプルから特定の人物の声をクローンできるため、リアルタイムの吹き替えや多言語ローカライゼーション機能とともに、消費者向けおよび企業向けの音声生成ツールの主要プロバイダーの一つとして位置づけられている。これらの機能は一部音声認識に依存している。
歴史
ElevenLabsは2023年初頭に最初の公開ベータ版をリリースし、多くのリスナーが人間の録音と区別するのが難しいと感じる音声品質で急速に注目を集めた。これは、初期世代のTTSシステムからの顕著な飛躍であった。同社は2023年から2024年にかけて複数の資金調達ラウンドを実施し、2024年までに評価額が10億ドルを超え、2025年にはさらなるラウンドでモデル開発と製品スイートの拡大を支援し、吹き替えスタジオ、テキストや記事を音声に変換するリーダーアプリ、他のアプリケーションに音声を組み込む開発者向けのAPIアクセスを含む形で成長を続けた。
技術と製品
ElevenLabsの中心的な提供は、テキスト読み上げエンジンと音声クローンツールを組み合わせたもので、ユーザーは数分間、または一部のモードでは数秒間の参照音声から音声の合成レプリカを作成できる。同社は、クリエイターがクローンした音声をライセンスできるVoice Libraryマーケットプレイスを構築し、音声から音声への変換、効果音生成、話者の元の声と感情的なトーンを言語間で保持する多言語吹き替えに拡大した。これらの製品は、オーディオブック制作、ビデオゲームのローカライゼーション、ポッドキャスティング、アクセシビリティツールで使用され、音声をより広範なマルチモーダルアシスタントに統合する大規模ラボの提供と競合している。
懸念と保護策
ElevenLabsの音声クローンのリアリズムは、詐欺、政治的偽情報、非同意のなりすましへの悪用に関する初期の懸念を引き起こし、ディープフェイクに関するより広範な懸念を反映している。2023年初頭には、クローンされた有名人の声がオンラインで流通する不快な音声クリップの生成に使用され、同社は無料層のクローンを制限し、モデレーションを追加することを余儀なくされた。ElevenLabsはその後、生成された音声のAI ウォーターマーキング、同意なしの公人のなりすましをブロックするオプトインのno-go-voicesリスト、プロフェッショナルな音声クローンの検証要件などの保護策を実装している。同社の成長は、音楽生成ツール（Sunoなど）と並ぶ広範な生成音声の波に関する議論で頻繁に引用され、そのクローン技術は、AIを利用した音声詐欺詐欺や合成メディアの出所確認というより広範な課題に関する報道で定期的に参照されている。