Umělá inteligence (AI) pokračuje v revoluci v mnoha odvětvích a jednou z oblastí, která zaznamenala exponenciální finanční růst, je klonování hlasu. Motorem tohoto vývoje je společnost ElevenLabs, startup specializující se na vývoj nástrojů pro vytváření a úpravu syntetických hlasů na bázi umělé inteligence. Pokroky díky významným investicím Nedávno společnost ElevenLabs oznámila, že uzavřela kolo B v hodnotě 80 milionů dolarů, na jehož vedení se podíleli renomovaní investoři, včetně Andreessen Horowitz, bývalého generálního ředitele společnosti GitHub Nata Friedmana a podnikatele Daniela Grosse. Dalšími účastníky byly zavedené společnosti jako Sequoia Capital, Smash Capital, SV Angel, BroadLight Capital a Credo Ventures. Toto nedávné financování zvyšuje celkovou získanou částku společnosti ElevenLabs na 101 milionů dolarů a zvyšuje ocenění společnosti desetinásobně na více než 1 miliardu dolarů, oproti přibližně 100 milionům dolarů v předchozím roce. Plány na budoucí expanzi Generální ředitel Mati Staniszewski prozradil, že z této finanční injekce bude financován vývoj produktů, posílení infrastruktury a týmu, výzkum AI a zvýšení bezpečnostních opatření podporujících etický vývoj technologií AI. V rozhovoru pro TechCrunch Staniszewski uvedl: “Nové peníze jsme získali proto, abychom upevnili pozici společnosti ElevenLabs jako globálního lídra v oblasti výzkumu a zavádění produktů hlasové AI.” Společnost ElevenLabs vznikla v roce 2022 a spoluzaložili ji Piotr Dabkowski, bývalý inženýr strojového učení ve společnosti Google, a Staniszewski, který dříve pracoval jako stratég pro nasazení ve společnosti Palantir. Inspirací k vytvoření nástrojů pro klonování hlasu jim byl nepříliš uspokojivý dabing amerických filmů v jejich rodném Polsku; věřili, že umělá inteligence může přinést lepší výsledky. Dosahování nových výšin s novou technologií Nejvíce rozpoznatelnou inovací společnosti ElevenLabs je její nástroj pro generování řeči v prohlížeči, který dokáže generovat autentické hlasy s přizpůsobitelnými aspekty, jako je intonace, emoce, kadence a další důležité hlasové charakteristiky. Uživatelé mohou zdarma zadat text a získat nahrávku přečtenou nahlas různými výchozími hlasy; platící zákazníci však mají navíc možnost nahrát hlasové vzorky a vytvořit nové tóny prostřednictvím nástrojů ElevenLab pro klonování hlasu. Zvýšené úsilí o vývoj špičkové technologie generování řeči pro tvorbu audioknih a dabování filmů a televizních pořadů bylo oceněno, stejně jako práce na vývoji hlasů postav pro hry a marketingové aktivace. Po rozsáhlém pokroku společnost loni vydala nástroj “speech to speech”, jehož cílem je zachovat hlasové atributy mluvčího, eliminovat šum v pozadí a v případě filmů a televizních pořadů překládat a synchronizovat řeč se zdrojovým obsahem. Budoucí inovace se zaměřují na nový pracovní postup dabingového studia včetně nástrojů pro generování a úpravu přepisů a překladů a plánování mobilní aplikace založené na předplatném, která bude vyprávět webové stránky a text pomocí hlasů ElevenLabs. Rozšiřování zákaznické základny díky jedinečným nástrojům umělé inteligence Tyto jedinečné inovace vedly k získání vážených klientů společnosti Este, mezi něž patří například herní vývojář Paradox Interactive a The Washington Post. Generální ředitel poznamenal, že uživatelé ElevenLab vytvořili ekvivalent více než 100 let zvukového záznamu a používají je zaměstnanci 41 % společností z žebříčku Fortune 500. Ne každá reklama je dobrá reklama Známá diskusní stránka 4chan, známá generováním konspiračního obsahu, použila nástroje ElevenLabs k vytvoření a předání zlomyslných zpráv ztělesňujících celebrity, jako je Emma Watsonová. V sérii testů, které provedl novinář James Vincent z The Verge, byly bez námahy provedeny operace škodlivého klonování hlasu. Série testů generovala různé výhrůžné, rasistické a transfobní poznámky. Ve výmluvném případě se reportérovi serveru Vice Josephu Coxovi dokonce podařilo pomocí technologie ElevenLabs vygenerovat klon dostatečně přesvědčivý na to, aby oklamal autentizační systémy banky. Aby společnost ElevenLabs tyto problémy zmírnila, přísně monitoruje uživatele, kteří neustále porušují podmínky služby proti zneužití, a zavedla nástroj pro odhalování projevů vytvořených pomocí její platformy. V letošním roce se podle Staniszewského plánuje vylepšení tohoto detekčního nástroje, označování zvuku z jiných modelů umělé inteligence vytvářejících hlas a spolupráce s blíže neurčenými “distribučními hráči” za účelem širší dostupnosti nástroje na platformách třetích stran. Vzájemný respekt a spravedlivé odměňování v rozvíjejícím se odvětví Navzdory svému růstu čelí ElevenLabs odporu hlasových herců, kteří tvrdí, že společnost používá jejich hlasové vzorky bez souhlasu. Tyto vzorky mohou být použity k propagaci neautorizovaného obsahu nebo šíření nepravdivých informací, uvádí nedávný článek časopisu Vice, kde oběti odhalují, jak byly jejich hlasy klonovány k šíření osobních informací na internetu. Reakcí společnosti ElevenLabs je navrhované spuštění trhu s hlasy, který je v současné době ve fázi alfa a jehož široké rozšíření se očekává v nadcházejících týdnech. Staniszewski vysvětluje, že toto navrhované tržiště umožní uživatelům vytvářet, ověřovat a sdílet své hlasy a získávat odměnu, když jejich výtvor využijí ostatní. Zásadním prvkem tohoto konceptu je vložení kontroly nad dostupností hlasu a podmínkami kompenzace do rukou uživatelů. Konečným cílem je harmonicky sladit pokrok v oblasti umělé inteligence s nově vznikajícími průmyslovými postupy. Tváří v tvář konkurenci Navzdory tomuto pokroku může současný model vyplácení tvůrců v kreditech za jejich prémiové služby namísto výplat v hotovosti vést ke kritice ze strany hlasových herců. Vzhledem k tomu, že konkurenti jako Papercup, Deepdub, Acapela, Respeecher, Voice.ai, a dokonce i velké technologické společnosti Amazon, Microsoft a Google zintenzivňují konkurenci, může být v budoucnu nutné přizpůsobení a změna politiky. Společnost ElevenLabs je však odhodlána upevnit svou pozici na tomto rychle rostoucím trhu syntetického hlasu, o čemž svědčí její plán zdvojnásobit počet zaměstnanců ze 40 na 100 do konce tohoto roku. Závěrem lze s jistotou říci, že tento vzkvétající trh syntetického hlasu, jak jej ilustruje dosavadní cesta společnosti ElevenLabs, představuje plátno s obrovským potenciálem, který podtrhuje silný růst investic a důvěryhodnost. Ruku v ruce s těmito pokroky však jdou také odpovědnost a výzvy spojené se zneužitím a etickými aspekty, které utvářejí trajektorii vývoje tohoto odvětví.