Mati Staniszewski

ElevenLabs 以一款拥有500万 MAU的创作者产品叠加一项营收接近一半的企业级 agents 业务，在350名员工的规模下实现了3亿美元 ARR。 自助订阅和创作者业务仍约占收入的50%；数千家企业客户覆盖“从财富500强到增长最快的一批 AI 初创公司”。经营层面的信号是业务足够宽，但没有放弃最初的研究优势。

创始切口来自波兰糟糕的配音体验：所有角色都由同一个平板旁白配音，但公司的判断已扩展为，声音才是计算最自然的交互界面。 ElevenLabs 的目标，是让“原声、原本的情绪、原本的语调”跨越语言传递，这一点已在 Lex 对 Narendra Modi 的采访中得到展示。Mati 更大的判断是，键盘和屏幕交互“感觉已经坏掉了”，因此机会远大于传统配音市场的支出规模。

Mati 的运营模式是研究先行、产品并行，再围绕具体问题组建小型跨职能实验室。 一个约5人的声音实验室先解决了接近真人的叙述问题，随后 ElevenLabs 扩展到有声书和配音；之后的 agent 实验室则把语音转文字、LLMs、文字转语音、集成、测试和监控组合起来。产品团队能看到研究路线图，只有在相关突破看起来还要超过3个月时，才通常会自行开发替代方案。

客户支持是最先大规模落地的 agent 类别，但声音交互正从被动处理工单，走向发现、结账、教育、媒体和政府服务。 Meesho 的 agent 已从退款和物流追踪推进到产品引导，并可能进一步覆盖结账；MasterClass 让学习者与 Chris Voss 练习谈判；乌克兰正在推进 Mati 所称的“第一个 agentic government”。这使商业价值从节省人力成本，扩展到创造收入和全新的体验。

声音质量不是一个单一标量基准，因为即使底层模型质量不同，用户偏好也会随声音身份、语言、受众和表达方式改变。 一名客户要求声音“尽可能机器人化”；而一项覆盖日本和韩国的部署，则希望面向年轻来电者使用兴奋的声音，面向老年用户使用平静、缓慢的声音。因此，ElevenLabs 会提供声音指导，并预计最终针对每个人、每种场景动态选择声音。

ElevenLabs 假设基础模型终将商品化，并将研究领先视为只有6到12个月的优势。 Mati 说，“研究只是起跑优势”；长期价值必须通过分发、声音、集成、工作流，以及连接模型与业务逻辑的产品层不断累积。开源模型的叙述质量已经很强，但可控性和实时编排仍有差异化；一个可能只有50-100名顶尖音频研究员的集中人才池，仍能带来架构级跃迁。Mati 估计其中约10人可能在 ElevenLabs。

近期路线图瞄准可控的多模态创作，以及更低延迟、更具情绪感知能力的 agents，同时保留级联系统服务可靠的企业工作负载。 据称，Scribe v2 在 FLEURS 的前30种语言上实现了低于150毫秒的延迟和93.5%的准确率；融合式 speech-to-speech 可能更富表现力，但也可能引入幻觉，且可见性更低。Sarah 估计，接近真人的对话交互至少还需要1年，但可能在1年内到来；实时配音或翻译则可能在2年内实现。个性化教育——“随时拥有一名专属老师”——是最大的尚未兑现的应用。

🔗 原始收听与视频来源： No Priors 第143期｜与 ElevenLabs 联合创始人 Mati Staniszewski 对谈

ElevenLabs 在保持研究目标激进的同时，也不让研究成为产品瓶颈。 公司曾因希望研究能让声音自动推断节奏，连续9个月拒绝加入简单的速度控制；随后定下3个月规则：如果研究周期超过这一时限，产品团队可以自行选择任何方式填补缺口。「我们不想变得和上一代编辑套件一样」（“We don’t want to become the same as the previous generation of the editing suite”）是拒绝滑块的理由，而不是绝对约束。

约20个由5至10人组成的自治产品团队，在研究底座支持下推动交付速度。 这种组织结构以允许重复开发、接受团队进度不一为代价，换取异常高的自主权，以及同时推进创意工具和对话式智能体的能力。每个新团队都有6个月证明自己；基础设施团队已从合作时的3人扩大到如今的11人。

分布式模式背后是全球人才论，而不只是远程办公政策。 ElevenLabs 在全球范围内以非传统方式招聘，包括从一名当时还在呼叫中心接电话谋生的开源文本转语音开发者招募人才；员工超过30人后，公司才增设办公中心。公司取消了职级，资历不决定层级；当透明度开始变成干扰时，信息访问权限会被有意收紧。

语音市场把模型的广度转化为一个具备可量化创作者经济的生态。 平台已有近10,000种声音，并已向贡献者返还1000万美元；一款低沉的西班牙语声音在西班牙需求寥寥，却因被开放用于其他语言，并凭借低沉特质在英语市场走红，最终成为前三大声音之一。Staniszewski 更倾向于帮助行业参与者「共同颠覆，而不是各自颠覆」（“disrupt together rather than just disrupt”）。

进军企业市场迫使 ElevenLabs 放弃了工程师可以直接做销售这一设想。 如今面向客户的团队约为80%销售、20%工程；产品也已从文本转语音扩展到语音转文本和编排，而企业部署还需要电话系统、评测、监控、安全与合规。公司最终希望达到「四个9或五个9」的可用性，但 Staniszewski 承认，AI 的可靠性很难保障。

到了350名员工，激励机制已经成为产品与竞争战略的一部分。 Staniszewski 将配额和佣金称为「战略的滞后指标」：即使一笔交易在战略上错误，公司仍可能照发佣金，同时终止交易；最近一家基础模型竞争对手就曾要求授权 ElevenLabs 模型用于演示。由此形成的政策明确禁止向基础模型公司销售。

🔗 原始收听与视频来源： ElevenLabs CEO：为什么语音会成为下一个 AI 界面

ElevenLabs称收入已突破2亿美元，员工约250人，而2023年结束时接近3500万美元。 Mati介绍，公司用约20个月达到1亿美元，最初称达到2亿美元又用了“约10个月”，随后修正为“更久一点，可能是15个月”。企业客户目前贡献了大部分收入，最大合同约200万美元；Mati提醒，增长“也可能很快掉头向下”。

护城河不是永久性的模型领先，而是在6至12个月研究优势期内构建的产品和分发能力。 ElevenLabs集中稀缺的语音人才资源——Mati估计全球真正处于最高水平的研究人员只有50至100人——并将模型快速转化为生产工作流。对于“OpenAI为什么不会做这个”的回答是：OpenAI当然会做一些事情，但ElevenLabs依靠的是非凡团队、专注、执行速度和产品层。

如果“我们把事情做对”，语音代理可能成为ElevenLabs规模达数十亿美元的业务。 公司正从语音组件扩展到知识库、函数、测试、监控以及Salesforce、ServiceNow和SIP trunking等企业集成；电子邮件和WhatsApp可能进一步把平台延伸至全渠道客服。Mati预计，常规排期和退款会率先自动化，而高风险、强领域属性的工作仍由人完成。

公司的融资故事从接触30至50家pre-seed投资人，转向美国投资人凭速度和运营支持展开竞争。 ElevenLabs在2022年以900万美元投后估值融资200万美元，产品发布引爆后于2023年融资1900万美元；之后一轮融资定价为33亿美元。Mati说，美国机构“在玩另一种游戏”：它们会询问如何加大下注，投资前先验证能否提供帮助；而在他的反向调查中，美国投资人通常比部分欧洲投资人展现出更强的证据，证明自己能在创始人失败时提供支持。

自有训练基础设施是经济和战略上的押注，不是炫耀性项目。 ElevenLabs计算认为，如果持续训练模型并通过租赁基础设施搬运大型数据集，自建数据中心约两年即可实现盈亏平衡；如今自有设施让公司能够更快试验并获得更大控制权。Mati承认，硬件创新可能打破这套计算，但他认为新模型初期应先优化“魔法感”，再优化成本。

Mati关于欧洲公司的核心判断是：从欧洲出发，但不要只为欧洲而建。 他称欧洲是“困难模式”，拒绝接受欧洲人天生不够努力的说法，并认为欧洲的进取型人才没有被充分使用。ElevenLabs培养本地领导者，再用有经验的顾问补足能力，目前运营约20个团队。矛盾在于，如今“小而强大”意味着员工从250人增长至400人，同时在巴西、日本、印度和墨西哥设立小型团队。

流动性被用来支持员工承担风险，并支撑一项更长期的押注。 ElevenLabs曾收到收购邀约，但从最初几次流程中吸取教训后变成“坚决拒绝”；几乎每轮融资都包含二级流动性或针对已归属员工股份的要约收购。在主持人提出的私募市场选择中——3000亿美元的OpenAI、1700亿美元的Anthropic和1200亿美元的xAI——Mati会买OpenAI，但拒绝点名不该买的公司；他同时表示Anthropic在编码领域尤其有吸引力，Google“肯定还在竞争中”，但自己对Google“并不特别看好”。

🔗 原始收听与视频来源： ElevenLabs CEO/联合创始人 Mati Staniszewski：欧洲增长最快 AI 初创公司的未公开故事