– Sztuczna inteligencja może odpowiedzialnie poszerzać możliwości studiów i talentów, jednocześnie ulepszając opowiadanie historii – podkreślił wczoraj Mateusz Staniszewski, prezes ElevenLabs, który razem z Piotrem Dąbkowskim założył firmę, gdy obaj nie mieli jeszcze 30-tki.

Docenił to także Matthew McConaughey, aktor znany z serialu „True Detective” i filmu „Interstellar”. Właśnie zainwestował w firmę Polaków, która dziś jest światowym liderem w sektorze generatywnej sztucznej inteligencji audio, nieujawnioną sumę i nawiązał artystyczną współpracę – umożliwi przetłumaczenie swojego biuletynu „Lyrics of Livin” na hiszpańskojęzyczną wersję, wykorzystując własny głos.

– Od naszej pierwszej rozmowy jestem pod wrażeniem tego, jak zespół ElevenLabs wykorzystał magię tej kluczowej technologii i przekształcił ją w produkty, z których twórcy, przedsiębiorstwa i opowiadacze historii korzystają na co dzień – ocenił laureat Oscara. – Pomagacie tworzyć przyszłość, w której będziemy mogli oderwać wzrok od ekranów i połączyć się poprzez coś tak ponadczasowego jak nasze głosy.

AGENCI AI DLA KAŻDEGO

Dla dwójki Polaków pozyskanie tych dwóch sławnych i cenionych nazwisk to kolejny element szybkiego rozwoju firmy, którą założyli zaledwie w 2022 roku. Impulsem była słaba jakość dubbingu i lektorów w amerykańskich filmach wyświetlanych w polskie telewizji. Nie podobało im się to, że każdą rolę czytała ta sama osoba, zero intonacji czy emocji. Zamarzyli, żeby za kilka lat wszystkie filmy były dostępne z profesjonalnym dubbingiem, w każdym języku. Problem, jaki zdiagnozowali, okazał się powszechny – koszty i stworzenie dubbingu to złożony proces w zasadzie na całym świecie.

Choć na początku chodziło im wyłącznie o lektorowanie w filmach i serialach, z czasem wizja rozrosła się do tego, co teraz jest znane pod nazwą ElevenLabs – tworzą modele sztucznej inteligencji do kreowania głosu: automatycznego dubbingu, czytania tekstu, a nawet efektów dźwiękowych z opisu tekstowego, i za opłatą udostępniają wszystkim chętnym.

Jak w maju zapowiedzieli podczas konferencji Impact’25 w Poznaniu, jeszcze w tym roku opracują tak zaawansowane modele głosowej AI, że rozmawiający z nimi ludzie, nie zorientują się, że dyskutują z maszyną. Będzie to model AI, który nie tylko płynnie rozmawia, rozumie kontekst i emocje, ale który też odpowiada od razu i któremu można przerwać.

Posłuży on do stworzenia każdej firmie własnego agenta głosowego AI – w edukacji, ochronie zdrowia, obsłudze klienta, który nie tylko świetnie rozumie mowę, ale sam też jest bardzo naturalny w odpowiedziach. Staniszewski i Dąbkowski wierzą, że w najbliższym roku to będzie najpopularniejsze wykorzystywanie technologii ich firmy.

WARCI PONAD 6 MILIARDÓW DOLARÓW

Nic dziwnego, że ich start-up wyceniany jest obecnie na 6,6 mld dol., co oznacza – jak informuje Reuters – że wartość wzrosła dwukrotnie od początku roku. Inwestują w niego nie tylko najwięksi gracze giełdowi i fundusze, ale też inwestorzy prywatni, w tym współzałożyciel Instagrama Mike Krieger, współzałożyciel Oculus VR Brendan Iribe, czy też współzałożyciel Perplexity AI Aravind Srinivas. Inwestorzy przeznaczają duże pieniądze na start-upy AI, które rozwijają syntetyczne głosy, wideo i obrazy, mając nadzieję, że rozwiązania te przede wszystkim przekształcą media i branżę gamingową.

ElevenLabs jest dziś spośród nich najważniejszym graczem na rynku – ich technologia klonowania głosu umożliwia ogromną kombinację skali i personalizacji. Produkty firmy umożliwiają generowanie naturalnie brzmiących głosów i dźwięków w ponad 70 językach, w tym w polskim, co więcej, uwzględniają też charakterystyczne akcenty, jak brytyjski cockney czy latynoamerykański. Są one wykorzystywane w mediach, wydawnictwach i sektorze edukacyjnym. Co więcej, technologia ElevenLabs miała swoje zastosowanie nawet w Kongresie USA, umożliwiając kongresmen Jennifer Wexton, która straciła głos z powodu rzadkiej choroby neurologicznej, przemawianie w Izbie Reprezentantów. Jest to pierwsze użycie głosu AI w rządzie. Drugi taki przypadek był w ub. miesiącu w Tajwanie.

O firmie zrobiło się też głośno w Ukrainie, gdy ponad pół roku temu przetłumaczyła wywiad prezydenta Wołodymyra Zełenskiego z amerykańskim informatykiem i podcasterem Lexem Fridmanem, a kilka dni temu ukraiński rząd oznajmił, że głosowa sztuczna inteligencja od Polaków będzie dostępna w ukraińskich usługach publicznych.

Wśród klientów ElevenLabs znajdziemy większość spółek z listy Fortune 500, a także Storytel czy Audioteka. Technologia audio AI firmy jest wykorzystywana przez czołowe globalne media, takie jak: „Time”, „The New Yorker”, „The Washington Post” i „The Atlantic”, wydawnictwa książkowe, jak choćby Harper Collins, czy producenci gier, jak Inworld.

KUMPLE Z JEDNEJ KLASY

Gdy 30-letni Staniszewski i 31-letni Dąbkowski zaczynali trzy lata temu nie podejrzewali, że ich start-up może okazać się takim przebojem. – To zdecydowanie przerosło nasze oczekiwanie. Kiedy uruchamialiśmy wersję beta platformy do zamieniania tekstu na mowę i klonowania głosu, wiedzieliśmy, że jest pewna grupa osób, które będą chciały jej używać, ale takiego tempa się nie spodziewaliśmy. W 2023 roku planowaliśmy osiągnąć milion dolarów rocznego przychodu. Tymczasem zrealizowaliśmy ten cel już po pierwszych miesiącach – mówił ten pierwszy magazynowi „Forbes”.

Znają się z warszawskiego liceum, chodzili do jednej klasy, szybko się zaprzyjaźnili, razem mieszkali i podróżowali, wspólnie spędzali przez lata mnóstwo czasu. W trakcie studiów – Piotr kształcił się przede wszystkim w kierunku uczenia maszynowego, Mateusz wybrał studia matematyczne – razem pracowali m.in. w Operze Software ASA, która udostępnia przeglądarkę internetową Opera. Co ciekawe, najfajniejsze rzeczy zaczęły się dziać, kiedy ich drogi zawodowe się rozeszły – co jakiś czas spotykali się weekendami, próbując tworzyć nowe projekty.

No i pewnego weekendu zainteresowali się obszarem audio – stworzyli system, który na podstawie nagranego przez kogoś własnego głosu podpowiadał mu, jak może poprawić sposób mówienia. To był 2021 rok, potraktowali ten projekt jako kolejny z wielu. Następnym krokiem był już ElevenLabs: kiedy zainspirowani „słabym dubbingiem hollywoodzkich filmów” postanowili połączyć siły we własnej firmie. Piotr odszedł z Google, a Mateusz z Palantir, firmy założonej przez popularnego miliardera Petera Thiela, a wcześniej współtwórcy PayPal.

W tym roku Staniszewski jako jedyny Polak trafił na listę tygodnika „Time” stu najbardziej wpływowych osób w dziedzinie AI. Umieszczono go w kategorii „innowatorzy”. Obecnie razem ze wspólnikiem zatrudnia ponad 330 pracowników, w porównaniu z siedemdziesięcioma rok temu. W październiku ogłosili, że ich spółka, która działa głównie na rynku globalnym, a przede wszystkim w USA, otworzy biuro w Warszawie i w ciągu pięciu lat zainwestuje nad Wisłą 11 mln zł. ﹡