Az ElevenLabs mesterséges hangjai annyira meggyőzőek, hogy még a legközelebbi hozzátartozóidat is megtévesztenék. A régióból érkezik az MI hangja: két 30-as lengyel, akik már milliárd dolláros vagyont építettek.
A szinkronizált filmek Lengyelországban borzalmasak. Egyetlen narrátor mondja fel az összes párbeszédet lélektelenül, enerváltan – akárcsak nagyon régen, ahogyan a magyar szinkron is működött. Nincs stáb. Nincs különbség a szereplők hangjai között. A fiatal közönség utálja is. „Kérdezd meg bármelyik lengyelt, azt fogja mondani, hogy szörnyű” – mondja Mateusz (Mati) Staniszewski, az ElevenLabs társalapítója.
„Gondolom, ez egy olyan kommunista berögződés, ami olcsó tartalomgyártási megoldásként megmaradt.”
Már indulásnál jobb volt a rendszerük, mint az Apple Siri
A Palantirnál dolgozva Staniszewski középiskolai barátjával, a szintén lengyel Piotr Dabkowskival, a Google mérnökével kezdett mesterségesintelligencia-projektekkel kísérletezni. Rájöttek, hogy egyik ötletük – egy különösen ígéretes, MI-alapú beszédcoach – megoldhatja a lengyel kultúra egyedi rémálmát: hogy Leonardo DiCaprio vagy Scarlett Johansson beszédét az egyre jobban kiöregedő lengyel narrátorok monoton mormolása nyomja el.
2022 májusára a két barát összeadta megtakarításait és felmondott, hogy teljes munkaidőben az ElevenLabsen dolgozzanak. Már induláskor fényévekkel jobb volt a text-to-speech (szövegből hangot) rendszerük, mint az Apple Siri vagy az Amazon Alexa robotikus hangjai.
Az ElevenLabs MI-hangjai ugyanis képesek örömre, lelkesedésre, nevetésre is.
2023 januárjában piacra dobták első modelljüket. Bármilyen szöveget képes volt felolvasni bármilyen hangon – akár a tiéddel, vagy ami aggasztóbb, hogy valaki másén. A kereslet azonnali volt. Az írók percek alatt készíthettek hangoskönyveket, a profi csomag 99 dollárról indul. YouTube-alkotók a videóikat más nyelvekre fordították az ElevenLabs segítségével, a modellek ma már 29 nyelven beszélnek.
A varsói és londoni központú startup szerződéseket kötött nyelvtanuló és meditációs appokkal, majd a HarperCollins és a német médiakonszern, a Bertelsmann is csatlakozott. „Egyértelmű volt, hogy ez a legjobb modell, mindenki ezt akarta polcról levenni” – mondja Jennifer Li, az Andreessen Horowitz befektetője, amely 2023 májusában egy 19 millió dollárnyi befektetési kört vezetve szállt be a csapatba. Egy évvel később az alapítókat beválogatták a Forbes európai 30/30-as listájára is.
Fotó: Cody Pickens/Forbes
A befektetők nem ijedtek meg
Mások azonban baljós célokra használták a technológiát: világhírű emberek – például Donald Trump – hangján előadott, obszcén videójáték-verekedések, Emma Watson színésznő által „felolvasott” Mein Kampf, vagy Joe Rogan podcaster hangjával reklámozott csalások – mind-mind vírusként terjedtek a világhálón. A technológiában rejlő lehetőséget a csalók is hamar felfedezték: már több millió dollárt csaltak ki deepfake technikákkal, amikor közeli hozzátartozók hangját kezdték el hamisítani, és így csaltak ki pénzt a szeretteiktől.
Mindez nem ijesztette el a befektetőket. Az ElevenLabs eddig
