بیست دقیقه با مدیرعامل Eleven Labs، که اکنون ارزش آن ۲۲ میلیارد دلار است

ElevenLabs لایه صوتی هوش مصنوعی را می‌سازد، مدل‌هایی که متن را به گفتاری تبدیل می‌کنند که صدایی انسانی دارد. اکثر مردم هنگام صحبت با خدمات مشتری با آن مواجه می شوند - اغلب بدون اینکه متوجه شوند. به عنوان مثال، Klarna پشتیبانی تلفنی خط اول را برای 35 میلیون مشتری آمریکایی بر روی آن اجرا می کند. دویچه تلکام، سیسکو، ادوبی و فهرست رو به رشد دولت‌ها نیز همین‌طور هستند. ElevenLabs همچنین به سازندگانی می‌فروشد که از پلتفرم آن برای کتاب‌های صوتی، دوبله و موسیقی استفاده می‌کنند.

برای درک بیشتر، با Mati Staniszewski، یکی از بنیانگذاران و مدیر عامل ElevenLabs، در Nrth در تورنتو، یک کنفرانس کارآفرینی محلی که قبلا به نام Elevate شناخته می شد، مصاحبه کردم. ما طیف وسیعی از موضوعات را در مدت زمان کوتاهی پوشش دادیم، از جمله اینکه آیا کسب‌وکارها باید به مشتریان هنگام صحبت با هوش مصنوعی بگویند (او فکر می‌کند که باید) و اینکه آیا او می‌تواند درباره حاشیه‌های ناخالص شرکت صحبت کند. جای تعجب نیست که استانیسفسکی گفت که نمی‌تواند با جزئیات در مورد آنها صحبت کند، اما او واضح است که اگر به معنای گسترش سهم بازار شرکت باشد، بدش نمی‌آید که بیشتر از این تحت فشار قرار گیرند.

گفتگوی ما در ادامه، فشرده و کمی ویرایش شده است. می توانید گفتگوی کامل را اینجا ببینید.

شما در سال گذشته در TechCrunch Disrupt به ما ملحق شدید، جایی که گفتید مدل‌های صوتی ظرف چند سال به بازار عرضه خواهند شد. اکنون به آن پیش بینی چه امتیازی می دهید؟

هنوز کارهای زیادی برای انجام دادن وجود دارد و کیفیت دلتا که می توانید فقط در سطح مدل به دست آورید هنوز قابل توجه است. اگر بلندمدت فکر کنیم، احتمالا سه، پنج سال بعد، این تفاوت ها کوچکتر خواهند بود. کاری که ما دوست داریم انجام دهیم و اولین کسانی باشیم که انجام می دهیم، قبولی در آزمون تورینگ برای هوش مصنوعی محاوره ای است. شما باید هوش را ترکیب کنید، اما به هوش هیجانی نیز نیاز دارید. شما باید احساسات طرف مقابل را درک کنید تا بتوانید سرعت خود را کم کنید یا صحبت کنید. که هنوز انجام نشده است

در حال حاضر چند درصد از کسب و کار شرکت است؟

مانند سایر افراد در هوش مصنوعی، شما به طور فزاینده ای با مشتریان خود رقابت می کنید. Decagon محصول صوتی خود را بر روی شما آموزش داده است و اکنون جستجوها را از طریق مدل های خود اجرا می کند.

خطوط تار تر می شوند. همانطور که در مورد شرکت‌های مدل، شرکت‌های پلت‌فرم، شرکت‌های اپلیکیشن فکر می‌کنیم، در گذشته شما تقسیم‌بندی‌های بسیار واضحی داشتید که از کجا شروع و پایان می‌پذیرد. امروز این خط بسیار مبهم است. در مورد آنتروپیک، آنچه که یک شرکت مدل بود قطعا یک پلتفرم و به طور فزاینده ای مجموعه گسترده ای از برنامه ها است. من فکر می کنم این ادامه خواهد داشت.

مشتریان شما می توانند "لایه استدلال" را از منوی گزینه های ElevenLabs انتخاب کنند. از نظر استفاده از مدل‌های آزمایشگاه مرزی در مقابل وزن باز چه می‌بینید؟

این یک انتخاب باینری کمتر است. در تجربه مشتری، اگر تماس می‌گیرید و فقط اطلاعاتی است، هیچ اقدامی را انجام نمی‌دهید – می‌توانید از بسیاری از مدل‌های منبع باز استفاده کنید زیرا پایگاه دانش شما تعریف می‌کند که یک تجربه خوب چیست. اما اگر خدمات مالی است، می‌خواهید احراز هویت شوید، اطلاعاتی درباره یک تراکنش می‌خواهید، شاید بازپرداخت. جایی برای خطا نیست در اینجا، مدل های مرزی همچنان پیشرو خواهند بود.

برخی از آن مدل های وزن باز چینی هستند. دولت ایالات متحده یک مشتری است. دولت های اروپایی مشتری هستند. آن مکالمات چگونه است؟

متفاوت. در هر استقرار، مدل‌ها و صداهایی که به کار می‌گیریم به مورد بستگی دارد. اگر ما با دولت لهستان یا دولت برزیل کار کنیم، آنها مجموعه ای از الزامات خاص خود را دارند. این می تواند یک مدل وزن باز، یک مدل منبع بسته، یک مدل دقیق تنظیم شده خودشان باشد. [در لهستان،] این یک مورد مراقبت های بهداشتی است. شما بیمارانی دارید که در سراسر سیستم بهداشت عمومی وقت رزرو می کنند و 18٪ هرگز حاضر نمی شوند. استقرار عواملی هستند که تماس می گیرند و به شما یادآوری می کنند. آن‌ها مجموعه‌ای از مدل‌های بهینه‌سازی شده بر اساس دانش خود داشتند، و ما با حفظ اقامت داده‌ها، ادغام می‌کنیم.

آیا کسب و کارها باید زمانی که شخصی با یک نماینده صحبت می کند به جای یک انسان، افشا کنند؟

من فکر می کنم در این زمان باید افشاگری شود. در حال حاضر، مردم به آن عادت ندارند، و الگوی رایج این است که شما نمی خواهید در آن تماس احساس کنید که فریب خورده اید. اما در پنج سال، زمانی که هر کسی نماینده خود را داشته باشد که از طرف آنها کار می کند، شما تماس می گیرید و منتظر یک نماینده هستید. سپس من فکر می کنم که ما به عنوان یک جامعه تغییر خواهیم کرد. راه‌های خوبی برای انجام این کار وجود دارد - اگر 30 دقیقه برای یک انسان انتظار دارید، به مشتری یک انتخاب پیشنهاد دهید. تقریبا در همه موارد، آنها نماینده را انتخاب می کنند و سپس از خوب بودن تجربه شگفت زده می شوند.

با توجه به هزینه‌ای که برای مدل‌ها و استنتاج می‌پردازید، حاشیه‌های ناخالص شما چقدر است؟

من یک پاسخ مبهم خواهم داد. با توجه به این عنصر تحقیقاتی، می‌توانیم مدل‌ها را به روش‌های بسیار هوشمندانه تنظیم و محدود کنیم. اما اگر بتوانیم پس‌اندازی را به مشتری منتقل کنیم، این کار را انجام می‌دهیم. بزرگترین چیز هنوز ثابت کردن ارزش و بودن در کنار مشتری است. بنابراین اگر بتوانیم آن ارزش را سرمایه‌گذاری کنیم و آن ارزش را ثابت کنیم، بدش نمی‌آییم که حاشیه‌ها کمتر شود تا با ایجاد ارزش در پنج سال آینده، عملا با هم سود ببریم.

شما میلیون ها ساعت تماس با خدمات مشتری دارید. آیا با آنها تمرین می کنید؟ چه مقدار از داده های آموزشی شما مصنوعی است؟

در شرکت های خاصی، مدل ها را با هم ایجاد کردیم. آنها یک مدل خاص برای مورد استفاده خود می خواستند. در غیر این صورت، بخش بزرگی از آموزش حجم داده ها نبود، بلکه حاشیه نویسی داده ها بود. ما هزاران نفر را در داخل به صورت قراردادی داریم که به ما کمک می‌کنند نه تنها آنچه گفته شد، بلکه زمانی که مردم صحبت می‌کردند، نحوه گفتن مطالب و احساسات مورد استفاده را شرح دهیم. ما مجبور شدیم مربی های صوتی را وارد کنیم تا بتوانیم لهجه ها را به طور دقیق تشخیص دهیم.

گزارش شده است که به دنبال IPO در سال 2028 هستید. آیا می توانید آن را تأیید کنید؟

ما دوست داریم شرکتی ایجاد کنیم که در آزمون زمان مقاومت کند. ما در حال آماده سازی بنیاد هستیم تا بتوانیم در سال های آینده این کار را انجام دهیم. اما اینکه آیا این کار را انجام دهیم بستگی به زمان و مکان دارد.

پشت صحنه: در مورد اینکه آیا آزمایشگاه‌های مرزی باید کند شوند، کجا می‌آیید؟

همه برای یافتن راهی برای سرعت بخشیدن با یکدیگر هماهنگ هستند. اینکه آیا آنها باید در مورد آن علنی باشند، و چه مقدار از مکالمه یا مقررات رسانه ای باید شامل شود، این موضوع دیگری است. اما بله، همه ما باید اقدامات احتیاطی مناسب را در هنگام استقرار فناوری انجام دهیم. ما مدل‌های متنی و جنبه هوشمندی مدل‌ها را آموزش نمی‌دهیم، که کلید اصلی بحث است.

آیا می‌توان Eleven Labs را همانگونه که Hugging Face بود افشا کرد؟

ما یک قدم جلوتر هستیم، زیرا بخش‌های خود-تکرار شونده یا مکرر از هوش عوامل را به کار نمی‌بریم. فن آوری ما به شما اجازه نمی دهد که به نمایندگان اجازه دهید نمایندگان بیشتری ایجاد کنند. هر مشتری از طریق KYC می رود. خطر امنیت سایبری قطعا خطری برای جهان گسترده تر است، اما ما مجموعه ای از اقدامات احتیاطی خوبی داریم.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

آنتروپیک می گوید آزمایشگاه زیست شناسی آن قبلا چیزی بزرگ جولی بورت پیدا کرده است

اولین ربات تعویض لاستیک PitPro در شان اوکین کانادا راه اندازی شد

Anthropic Opus 5.5 را با قیمت‌های پایین‌تر و عملکرد در سطح Fable Russell Brandom منتشر می‌کند

Meta’s Muse در حال پیشی گرفتن از راه اندازی اولیه تلفن همراه ChatGPT، سارا پرز است

تور مطبوعاتی تیلی نوروود به همان خوبی که برای یک هوش مصنوعی آماندا سیلبرلینگ انتظار دارید انجام می شود.

آنتروپیک آزمایشگاهی را راه اندازی می کند که آزمایش های زیست شناسی را انجام می دهد، جولی بورت

نوع جدیدی از مدل هوش مصنوعی از مخترع ChatGPT توسعه دهندگان تیم فرنهولز را هیجان زده کرده است.