Sesli yapay zeka girişimi ElevenLabs, pazartesi günü Eleven v4 ve Eleven v4 Turbo adlı yeni metinden sese modellerini duyurdu. Şirkete göre bu modeller, bugüne kadar geliştirdikleri en etkileyici ve kontrol edilebilir ses üretim sistemi. Her iki model de ücretsiz katman dahil olmak üzere API ve ürünler üzerinden hemen kullanıma sunuldu.

Yeni Mimari: Daha Hızlı Klonlama, Daha Fazla Dil Desteği

Eleven v4, tamamen yeni bir mimari üzerine inşa edildi ve yalnızca 10 saniyelik bir ses örneğiyle klonlama yapabiliyor. Model, önceki sürümde 70’in üzerinde olan dil desteğini 90’ın üzerine çıkardı. Kullanıcılar artık metinlerin içine “[gülüyor]”, “[fısıldıyor]” veya “[kapı çarpıyor]” gibi doğal dil yönergeleri yerleştirerek sesin tonunu doğrudan yönlendirebiliyor. ElevenLabs, en büyük kalite artışının Japonca, Brezilya Portekizcesi, Mandarin ve Kantonca dillerinde yaşandığını açıkladı. v3 sürümünde bulunmayan Profesyonel Ses Klonlama özelliği de v4 ile birlikte geri döndü. Her üretim 10 bin karaktere kadar metni destekliyor; bağlam birleştirme özelliği ise sesli kitap gibi uzun projelerde tempo tutarlılığı sağlamak için tasarlandı.

Turbo Varyantı Sesli Asistanları Hedefliyor

v4 Turbo, gerçek zamanlı konuşan yapay zeka uygulamaları için optimize edildi. Çift yönlü akış sayesinde ses çıkışı, cümle tamamlanmadan önce başlayabiliyor. ElevenLabs’ın kendi iç testlerine göre -ağ gecikmesi hesaba katılmadan- ilk sese kadar geçen medyan süre yaklaşık 150 milisaniye. Bu rakam, rakip Cartesia’nın Sonic 3.6 modelinde ölçülen 262 milisaniye ve OpenAI’ın GPT-4o mini TTS modelinde ölçülen 814 milisaniyenin oldukça altında kalıyor. TechCrunch’a göre model, sesli asistan görüşmelerinde sözünü kesme, konuşmayı tırmandırma ve bekletme gibi durumları da farklı biçimlerde yönetebiliyor; bu özellik özellikle kurumsal çağrı merkezi senaryoları için geliştirildi.

Hızlı Büyüme ve Halka Arz Hedefleri

ElevenLabs, bu yılın başında Sequoia’dan 11 milyar dolar değerleme üzerinden 500 milyon dolarlık yatırım almasının ardından hızlı bir büyüme dönemine girdi. Şirketin yıllık gelir oranı, yıl başındaki yaklaşık 330 milyon dolardan 600 milyon doların üzerine çıktı. TechCrunch’ın haberine göre gelirin yüzde 55’inden fazlası artık kurumsal müşterilerden geliyor. Çalışan sayısı da Hindistan, Avrupa ve Brezilya’daki ofisleriyle birlikte 800’ü aştı. Şirketin 22 milyar dolar değerleme üzerinden yeni bir yatırım turuna hazırlandığına dair söylentiler de şimdiden yayılmaya başladı. Kurucu ortak ve CEO Mati Staniszewski, kesin bir tarih vermeden şirketin önümüzdeki yıllarda halka açılmayı hedeflediğini söyledi. Bu arada sesli yapay zeka pazarındaki rekabet de kızışıyor; Cartesia, Deepgram ve Fish Audio gibi girişimlerin yanı sıra Google ve OpenAI da bu alana hızla giriyor.