ElevenLabs đạt tốc độ doanh thu định kỳ hằng năm 600 triệu USD sau 4 năm hoạt động. Hơn 55% khoản này đến từ doanh nghiệp truyền thống. Theo TechCrunch, nhóm doanh nghiệp truyền thống đóng góp hơn 55% doanh thu định kỳ hằng năm của ElevenLabs. ElevenLabs cũng muốn mở rộng thị phần và chuẩn bị khả năng niêm yết trong những năm tới.
Nội dung cuộc trò chuyện: ElevenLabs đang phát triển công nghệ gì?
ElevenLabs phát triển lớp giọng nói cho trí tuệ nhân tạo, gồm các mô hình biến văn bản thành lời nói gần với giọng người. Công nghệ này được dùng trong chăm sóc khách hàng, sách nói, lồng tiếng và âm nhạc.
Nhiều người đã tiếp xúc với công nghệ này khi gọi đến bộ phận chăm sóc khách hàng mà không nhận ra. Klarna dùng ElevenLabs để xử lý tuyến hỗ trợ qua điện thoại đầu tiên cho 35 triệu khách hàng tại Mỹ. Deutsche Telekom, Cisco, Adobe và một số cơ quan chính phủ cũng là khách hàng.
Công ty mới hoạt động được 4 năm nhưng đã đạt tốc độ doanh thu định kỳ hằng năm 600 triệu USD, theo số liệu ElevenLabs cung cấp cho TechCrunch. Các nhà đầu tư hiện được cho là định giá doanh nghiệp ở mức 22 tỷ USD. Mức định giá này xuất hiện khi ElevenLabs đang mở rộng thị trường. Công ty cũng phải cạnh tranh với những khách hàng từng xây sản phẩm trên công nghệ của mình.
Mati Staniszewski, nhà đồng sáng lập kiêm giám đốc điều hành ElevenLabs, trao đổi với TechCrunch tại hội nghị khởi nghiệp Nrth ở Toronto. Cuộc trò chuyện đề cập đến chất lượng mô hình giọng nói, khách hàng doanh nghiệp, dữ liệu huấn luyện, biên lợi nhuận, kế hoạch niêm yết và trách nhiệm khi đưa tác tử trí tuệ nhân tạo vào các cuộc gọi.
Mô hình giọng nói vẫn còn khoảng cách chất lượng
Khác biệt về chất lượng giữa các mô hình giọng nói vẫn đáng kể, dù Staniszewski dự đoán khoảng cách có thể thu hẹp trong 3 đến 5 năm tới. ElevenLabs đặt mục tiêu xây dựng một hệ thống hội thoại có thể hiểu nội dung, nhận biết cảm xúc và điều chỉnh cách nói theo diễn biến cuộc trò chuyện.
Trước đó, Staniszewski từng dự đoán các mô hình âm thanh có thể trở thành hàng hóa phổ biến trong khoảng 2 năm. Khi nhìn lại nhận định này, ông cho rằng ngành vẫn còn nhiều việc phải làm.
Mục tiêu của ElevenLabs là trở thành công ty đầu tiên vượt qua phép thử Turing dành cho trí tuệ nhân tạo hội thoại. Theo Staniszewski, một hệ thống như vậy phải biết khi nào nên nói chậm lại, khi nào cần tăng âm lượng và cách điều chỉnh giọng theo diễn biến cuộc trò chuyện. Ông cho rằng chưa có hệ thống nào làm được đầy đủ điều đó.
Tham vọng này cho thấy giọng nói không còn chỉ là phần đọc văn bản thành âm thanh. Câu hỏi về mức độ tự chủ của các hệ thống hội thoại cũng xuất hiện trong cuộc tranh luận rộng hơn về việc trí tuệ nhân tạo nên được trao bao nhiêu quyền.
Khách hàng doanh nghiệp chiếm hơn một nửa doanh thu
Hơn 55% trong mức doanh thu định kỳ hằng năm 600 triệu USD của ElevenLabs đến từ doanh nghiệp truyền thống, theo Staniszewski. Phần còn lại, dưới 45%, chủ yếu gồm doanh nghiệp nhỏ và vừa, nhà phát triển, người xây dựng sản phẩm và nhà sáng tạo.
Ranh giới giữa nhà cung cấp mô hình, nền tảng và ứng dụng đang mờ dần. Decagon là một ví dụ. Nền tảng trí tuệ nhân tạo hội thoại này từng huấn luyện sản phẩm giọng nói bằng công nghệ ElevenLabs, sau đó chuyển sang xử lý truy vấn bằng mô hình riêng và trở thành đối thủ cạnh tranh.
Staniszewski cho rằng xu hướng đó sẽ tiếp tục. Một công ty khởi đầu bằng mô hình có thể phát triển thành nền tảng rồi cung cấp nhiều ứng dụng trực tiếp. Ông nhắc đến Anthropic như một trường hợp đã đi từ công ty mô hình sang nền tảng và ngày càng mở rộng danh mục ứng dụng.
Mô hình mở phù hợp với tác vụ ít rủi ro
Mô hình trọng số mở có thể phù hợp với cuộc gọi chỉ cung cấp thông tin, còn mô hình tiên phong vẫn dẫn đầu trong những tác vụ có rủi ro cao như xác thực danh tính, kiểm tra giao dịch hoặc hoàn tiền. Theo Staniszewski, đây không phải lựa chọn tuyệt đối mà phụ thuộc vào hành động hệ thống được phép thực hiện.
Khách hàng của ElevenLabs có thể chọn lớp suy luận từ nhiều loại mô hình. Trong chăm sóc khách hàng, chất lượng trải nghiệm của một hệ thống dùng mô hình mở phụ thuộc nhiều vào cơ sở tri thức mà doanh nghiệp chuẩn bị.
Yêu cầu thay đổi khi cuộc gọi liên quan đến dịch vụ tài chính. Nếu người dùng cần xác thực danh tính, kiểm tra giao dịch hoặc yêu cầu hoàn tiền, hệ thống gần như không có chỗ cho sai sót. Sự phân chia này có liên hệ trực tiếp với cuộc tranh luận về mô hình trí tuệ nhân tạo mở và đóng.
Mỗi chính phủ có yêu cầu triển khai riêng
ElevenLabs lựa chọn mô hình, giọng nói và cách lưu trữ dữ liệu theo yêu cầu của từng cơ quan chính phủ. Một dự án có thể dùng mô hình trọng số mở, mô hình nguồn đóng hoặc mô hình do khách hàng tự tinh chỉnh.
ElevenLabs làm việc với chính phủ Mỹ, các chính phủ châu Âu và những cơ quan tại các quốc gia khác. Tại Ba Lan, công nghệ được triển khai trong hệ thống y tế công. Theo số liệu Staniszewski nêu với TechCrunch, 18% bệnh nhân đặt lịch nhưng không đến khám, vì vậy các tác tử được dùng để gọi điện nhắc lịch.
Phía chính phủ có bộ mô hình được tối ưu bằng tri thức riêng. ElevenLabs đảm nhiệm việc tích hợp trong khi vẫn duy trì yêu cầu lưu trú dữ liệu.
Doanh nghiệp nên nói rõ khi khách hàng gặp tác tử
Doanh nghiệp nên thông báo khi khách hàng đang nói chuyện với tác tử thay vì con người, theo Staniszewski. Người dùng chưa quen với trải nghiệm này và có thể cảm thấy bị đánh lừa nếu doanh nghiệp không nói rõ từ đầu.
Staniszewski dự đoán cách nhìn của xã hội có thể thay đổi trong 5 năm tới, khi mỗi người có một tác tử làm việc thay mình và việc gặp tác tử ở đầu dây bên kia trở nên bình thường. Trước mắt, doanh nghiệp có thể cho khách hàng lựa chọn giữa chờ nhân viên và chuyển sang tác tử ngay.
Theo quan sát của Staniszewski được TechCrunch ghi lại, trong gần như mọi trường hợp phải lựa chọn giữa chờ nhân viên 30 phút và dùng tác tử ngay, khách hàng chọn tác tử và thường bất ngờ trước chất lượng trải nghiệm.
ElevenLabs chấp nhận biên lợi nhuận thấp hơn để mở rộng
ElevenLabs sẵn sàng chấp nhận biên lợi nhuận thấp hơn nếu khoản đầu tư giúp mở rộng thị phần và tạo ra giá trị trong 5 năm tới. Staniszewski không công bố biên lợi nhuận gộp, nhưng cho biết công ty sẽ chuyển phần chi phí tiết kiệm được cho khách hàng khi có thể.
Theo Staniszewski, năng lực nghiên cứu giúp ElevenLabs tinh chỉnh và giới hạn mô hình theo những cách hiệu quả hơn. Ưu tiên hiện tại của công ty là chứng minh giá trị sản phẩm và đồng hành với khách hàng.
Chú thích dữ liệu quan trọng hơn số giờ ghi âm
ElevenLabs có quyền tiếp cận hàng triệu giờ gọi chăm sóc khách hàng, nhưng khối lượng dữ liệu không phải yếu tố duy nhất quyết định quá trình huấn luyện. Staniszewski cho biết phần việc lớn hơn nằm ở cách dữ liệu được chú thích, gồm nội dung, thời điểm nói, cách phát âm và cảm xúc.
Với một số doanh nghiệp, ElevenLabs cùng khách hàng xây dựng mô hình dành riêng cho nhu cầu cụ thể. Theo TechCrunch, Staniszewski cho biết công ty có hàng nghìn cộng tác viên nội bộ tham gia chú thích dữ liệu. ElevenLabs còn thuê huấn luyện viên giọng nói để nhận biết chính xác các kiểu giọng địa phương.
Kế hoạch niêm yết vẫn chưa có mốc chắc chắn
Theo TechCrunch, ElevenLabs chưa xác nhận thông tin công ty có thể niêm yết vào năm 2028. Staniszewski nói mục tiêu hiện tại là xây dựng một doanh nghiệp có thể tồn tại lâu dài. Công ty đang chuẩn bị nền tảng để có khả năng niêm yết trong những năm tới.
Quyết định cuối cùng về kế hoạch niêm yết sẽ phụ thuộc vào thời điểm và địa điểm phù hợp, theo phần trả lời được TechCrunch công bố.
An toàn được đặt trong giới hạn công nghệ giọng nói
Staniszewski cho rằng doanh nghiệp cần áp dụng biện pháp phòng ngừa khi triển khai công nghệ giọng nói. Ông phân biệt các rủi ro của ElevenLabs với những phòng thí nghiệm huấn luyện mô hình văn bản hoặc phát triển phần trí tuệ cốt lõi có khả năng tự chủ cao hơn.
Khi được hỏi liệu các phòng thí nghiệm phát triển mô hình tiên phong có nên giảm tốc độ hay không, Staniszewski cho rằng các bên đều muốn phối hợp để tìm nhịp phát triển phù hợp. Theo ông, mức độ công khai, vai trò của truyền thông và phạm vi điều tiết là những vấn đề riêng.
Công nghệ của ElevenLabs không cho phép tác tử tự sao chép hoặc tạo thêm tác tử. Mỗi khách hàng đều phải trải qua quy trình xác minh danh tính. Staniszewski thừa nhận an ninh mạng là rủi ro đối với xã hội nói chung, đồng thời cho biết ElevenLabs đã thiết lập các biện pháp phòng ngừa.
Khi tác tử được đưa vào cuộc gọi, dịch vụ tài chính và hệ thống công, an toàn trở thành một phần của thiết kế sản phẩm. Các cuộc thảo luận tại những phiên về an toàn trí tuệ nhân tạo cũng tập trung vào cách triển khai công nghệ mà không trao cho hệ thống nhiều quyền hơn mức cần thiết.
Nếu bạn đang theo dõi sự chuyển dịch từ giao diện văn bản sang giọng nói, hãy tiếp tục quan sát cách ElevenLabs cân bằng chất lượng, chi phí và mức độ minh bạch với người dùng.
