文本生成超逼真语音,ElevenLabs获8000万美元融资

添加书签

专注AIGC领域的专业社区,关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型(LLM)的发展和应用落地,聚焦LLM的市场研究和AIGC开发者生态,欢迎关注!

1月23日,文本生成语音平台ElevenLabs在官网宣布,获得8000万美元(约5.7亿元)B轮融资。本次由Andreessen Horowitz、 Nat Friedman领投,红杉资本、 SV Angel等跟投。

用户通过文本和语音的方式在ElevenLabs平台,就能生成中文、英文、日文、韩文等29种语言以及1000多种声音,同时可以对生成语音的清晰度、风格、稳定等参数进行自定义设置。

此外,ElevenLabs在宣布融资的同时发布了新的配音工作室、语音库和移动应用三款预览产品,以巩固其在生成式AI语音领域的独角兽地位。

资料显示,ElevenLabs创立于2022年4月,总部位于美国纽约,最初员工不超过10人,目前已增长至40多人。

ElevenLabs曾在2023年1月获得200万美元种子轮融资,6月21日获得1900万美元A轮融资。

ElevenLabs于2023年1月正式推出了测试产品,因简单、易用、免费等优势,其注册用户很快突破100万,目前41%的财富 500 强公司在使用其产品

包括世界上最大的有声读物出版商之一的Storytel;全球著名内容创作者平台TheSoul Publishing;

知名游戏开发商Paradox Interactive等。这些企业通过ElevenLabs平台制作有声读物、电影配音、游戏NPC的声音等。


Eleven Labs核心团队

产品方面,ElevenLabs基于自研的Eleven Multilingual v2、Turbo v2等大模型,提供文本生成语音、语音生成语音、语音克隆、语音识别等特色功能。

文本生成语音:用户通过文本可直接生成中文、英文、韩文、日文等29种语言语音,同时支持跨文本语音生成。例如,上传了一段英语文本,可直接生成意大利语音。

使用方法也非常简单,先选择语音生成的类型,然后选择应用的模型、语音参数和模仿语音,再输入文本,通常几秒钟就能生成语音。
虽然ElevenLabs支持中文语音,但根据「AIGC开放社区」的实际体验,其语音、语调等方面还是有很强的机器人感觉,英语和其他语种表现却很好。
语音转语音:可帮助用户将语音自动转换成别的语音,例如,上传了一段男声语音,可以自动转换成老年人的声音。
传统的语音转换方法是,需要采集音频样本,然后提取基频、共振峰、时域和频域特征等,再进行去噪、归一化,整个流程非常繁琐复杂。
而ElevenLabs可实现一键语音转换,同时支持用户对语音进行可视化控制,例如,修改强度、音峰、情感等参数。
语音克隆:用户提供一段语音片段,将其上传到ElevenLabs平台。就能通过新上传的语音,创建全新的内容,整体模仿效果非常出色。
为了减少ElevenLabs平台生成一些非法语音,例如,模仿他人亲戚用于电信诈骗,ElevenLabs推出了语音识别分类功能,用户只需要上传语音便能快速识别出是真人发音或AI自动生成的,这对于提升产品的安全性非常重要。
此外,为了进一步提升语音方面的功能,ElevenLabs在今天宣布推出了新的配音工作室、语音库和移动应用三款全新的预览产品。
新的配音工作室:可帮助用户为整部电影配音,并生成和编辑其转录、翻译和时间码,从而为内容制作提供更多控制。该功能主要面向长视频和影业的用户。
语音库:用户可以将自建的语音模板在语音库进行分享,当有其他用户使用时可以获得报酬。这个功能与OpenAI的自定义ChatGPT商店类似,都是鼓励开发者共同创建产品生态。
移动应用:可以让用户通过移动应用中,使用ElevenLabs的产品功能。前三个月将免费为用户提供服务,目前处于申请预览版状态。
ElevenLabs首席技术官 Piotr Dąbkowski表示,通过此次 B 轮融资,ElevenLabs将巩固其在生成式AI语音领域的领导者地位。
这笔资金将用于产品研究、扩大基础设施、为特定垂直领域开发新产品,以及加强安全措施,确保以负责任和合乎道德的方式开发生成式AI技术。

本文素材来源ElevenLabs官网,如有侵权请联系删除

END

本篇文章来源于微信公众号: AIGC开放社区