ElevenLabs تطلق نماذج الصوت v4 بدعم أكثر من 90 لغة

أطلقت ElevenLabs يوم الاثنين نموذجي صوت جديدين، هما ElevenLabs v4 وv4 Turbo، يضيفان تحكماً أكبر في التعبير، وزمن استجابة أقل لوكلاء الصوت، ودعماً لأكثر من 90 لغة. وكانت الشركة قد أطلقت نموذج v3 العام الماضي، وكشفت عن الجيل الجديد في فعالية أُقيمت في وارسو في وقت سابق من هذا العام. وبالنسبة لـ v4، اعتمدت ElevenLabs بنية جديدة تتيح تحكماً أفضل واستنساخاً أسرع — وتقول الشركة إن المستخدمين سيتمكنون مع v4 من استنساخ صوت باستخدام 10 ثوانٍ فقط من الصوت.

من الناحية الإبداعية، يتعامل النموذج بشكل أفضل مع هوية الصوت عبر مقاطع نصية أطول، ويأخذ سياق النص في الاعتبار أثناء قراءته بصوت عالٍ، ليضبط التعبير تبعاً لذلك. وكانت ElevenLabs قد أدخلت وسوماً مضمّنة لتحديد التعبير مع v3؛ ويوسّع v4 تلك الوسوم، بما يتيح للمستخدمين تكديس وسوم متعددة وجعل النموذج يتبع التسلسل. كانت النسخة السابقة تدعم 70 لغة؛ ويرفع v4 هذا الرقم إلى أكثر من 90، مع أكبر تحسّن في الجودة في اليابانية والبرتغالية البرازيلية والصينية الماندرين والكانتونية.

وسّعت ElevenLabs أعمال المكالمات المؤسسية لديها بسرعة خلال العام الماضي، إذ باتت أكثر من 55% من أعمالها تأتي الآن من شركات كبرى، وتقول الشركة إن v4 مصمم لوكلاء الصوت: فالنسخة الجديدة تتميز بزمن استجابة أقل لمحادثات أكثر سلاسة، ويمكنها بدء توليد الصوت بمجرد أن يبدأ نموذج اللغة الكبير (LLM) الأساسي في توليد إجابته. ويمكن للنموذج أيضاً التعامل مع المواجهات والتصعيدات وفترات الانتظار بشكل مختلف لتحسين حل المشكلات. وقد اشتدت المنافسة في نماذج الصوت، مع شركات ناشئة مثل Cartesia وDeepgram وFish Audio وBoson وWellSaid Labs التي تبني نماذج صوت تعبيرية خاصة بها، في حين حسّنت Google وOpenAI أيضاً نماذج الصوت الخاصة بهما.

جمعت ElevenLabs 500 مليون دولار في وقت سابق من هذا العام في جولة تمويل قادتها Sequoia قيّمت الشركة بـ11 مليار دولار؛ وهناك بالفعل شائعات عن جولة تمويل لاحقة قد تقيّمها بـ22 مليار دولار. وارتفع معدل الإيرادات السنوي للشركة من نحو 330 مليون دولار في بداية العام إلى أكثر من 600 مليون دولار، وتجاوز عدد موظفيها 800 موظف مع توظيفها بقوة في أسواق من بينها الهند وأوروبا والبرازيل. وقال المؤسس المشارك والرئيس التنفيذي Mati Staniszewski، في مقابلة حديثة مع TechCrunch، إن الشركة تسعى إلى طرح عام أولي “في السنوات المقبلة”، لكنه لم يلتزم بجدول زمني محدد.

لماذا يهم

تراهن ElevenLabs على أن زمن استجابة وكلاء الصوت واتساع نطاق اللغات — وليس واقعية الصوت وحدها — هما ما يحسم الفوز بعقود المكالمات المؤسسية، مع تركّز أكبر مكاسب الجودة في v4 تحديداً في البرتغالية البرازيلية وغيرها من اللغات غير الإنجليزية التي يستخدمها قراء Technopolis أنفسهم.