智東西
作者 陳駿達(dá)
編輯 心緣

AI音頻賽道，沖出一家百億美元獨(dú)角獸！

智東西2月5日?qǐng)?bào)道，昨天，英國(guó)AI音頻獨(dú)角獸ElevenLabs宣布完成5億美元（約合人民幣34.7億元）的D輪融資，估值達(dá)110億美元（約合人民幣763.5億元）。其估值較去年年初的33億美元，實(shí)現(xiàn)了超230%的飛速增長(zhǎng)。ElevenLabs聯(lián)合創(chuàng)始人兼CEO Mati Staniszewski還透露，該公司已在考慮IPO事宜。

本輪融資由紅杉資本領(lǐng)投。已參與ElevenLabs多輪融資的a16z追加4倍投資，ICONIQ追加3倍投資，這意味這兩家投資機(jī)構(gòu)增大了在ElevenLabs的持股比例。

▲Mati Staniszewski發(fā)文宣布融資（圖源：X平臺(tái)）

ElevenLabs于2022年成立于英國(guó)倫敦，最初主要從事文本轉(zhuǎn)語(yǔ)音模型的開(kāi)發(fā)，后來(lái)也陸續(xù)打造了語(yǔ)音轉(zhuǎn)文本模型、AI音效模型、AI配音模型、AI音樂(lè)模型等領(lǐng)域。

該公司既向企業(yè)提供語(yǔ)音API服務(wù)，也為創(chuàng)作者和品牌提供音頻生成平臺(tái)ElevenCreative，還通過(guò)ElevenAgents平臺(tái)向企業(yè)提供AI語(yǔ)音客服服務(wù)。你甚至能在知名游戲《堡壘之夜》里找到由ElevenLabs生成的音頻。2025年底，ElevenLabs的ARR（年度經(jīng)常性收入）已經(jīng)超過(guò)3.3億美元（約合人民幣22.9億元）。

自成立以來(lái)，ElevenLabs已完成五輪融資，累計(jì)融資總額達(dá)到7.81億美元（約合人民幣54.2億元）。英偉達(dá)此前曾參與ElevenLabs的C輪融資。英偉達(dá)創(chuàng)始人兼CEO黃仁勛稱(chēng)，ElevenLabs打造了世界上最好的語(yǔ)音AI產(chǎn)品，他主動(dòng)向英偉達(dá)團(tuán)隊(duì)推薦了ElevenLabs。如今，黃仁勛在各類(lèi)大會(huì)上以虛擬卡通形象出現(xiàn)時(shí)，就會(huì)用ElevenLabs的工具來(lái)復(fù)刻自己的聲音。

▲黃仁勛與Mati Staniszewski（圖源：英偉達(dá)）

從融資規(guī)模、收入增長(zhǎng)到資本陣容，ElevenLabs已經(jīng)穩(wěn)穩(wěn)位居全球AI音頻賽道的第一梯隊(duì)。這樣一家成立不到4年、卻能在競(jìng)爭(zhēng)激烈的語(yǔ)音AI領(lǐng)域中快速拉開(kāi)身位的公司，顯然不只是踩中了風(fēng)口那么簡(jiǎn)單。它背后的創(chuàng)業(yè)起點(diǎn)、關(guān)鍵選擇，以及對(duì)產(chǎn)品與市場(chǎng)的理解，值得深度拆解。

一、上線6個(gè)月拿下百萬(wàn)用戶，靠社交媒體實(shí)現(xiàn)爆發(fā)式增長(zhǎng)

ElevenLabs的兩位聯(lián)合創(chuàng)始人Mati Staniszewski和Piotr Dabkowski都來(lái)自波蘭。受到童年時(shí)觀看的那些配音糟糕的美國(guó)電影的啟發(fā)，他們決定打造一款A(yù)I工具，來(lái)解決這一問(wèn)題。

在創(chuàng)業(yè)之前，Mati Staniszewski曾在瀏覽器公司Opera、投資與技術(shù)供應(yīng)商貝萊德以及數(shù)據(jù)智能上市公司Palantir任職。而Piotr Dabkowski自畢業(yè)后，就一直在谷歌擔(dān)任軟件工程師，直至2022年與Mati Staniszewski一同創(chuàng)業(yè)。

初出茅廬的ElevenLabs究竟能給這個(gè)行業(yè)帶來(lái)什么變化？在2023年投資ElevenLabs之際，a16z的投資人Bryan Kim闡述了他對(duì)ElevenLabs潛力的理解。

Bryan Kim認(rèn)為，盡管語(yǔ)音轉(zhuǎn)文字技術(shù)已經(jīng)存在了數(shù)十年，但它未能發(fā)揮全部潛力。大多數(shù)合成語(yǔ)音缺乏吸引人的語(yǔ)調(diào)和發(fā)音，缺乏個(gè)性感，而高端的人工錄制語(yǔ)音服務(wù)雖然存在，但冗長(zhǎng)的制作流程和高昂的成本使得這項(xiàng)技術(shù)在大多數(shù)實(shí)時(shí)和互動(dòng)場(chǎng)景中難以實(shí)現(xiàn)。

ElevenLabs的出現(xiàn)，就是要滿足這些場(chǎng)景對(duì)高質(zhì)量語(yǔ)音的需求。

2023年1月，ElevenLabs首次推出了語(yǔ)音設(shè)計(jì)和克隆產(chǎn)品，并對(duì)現(xiàn)有的文字轉(zhuǎn)語(yǔ)音模型進(jìn)行了顯著改進(jìn)。之后還陸續(xù)推出多款文本轉(zhuǎn)語(yǔ)音模型，擴(kuò)展多語(yǔ)言支持，甚至拿下了一些已故知名演員的聲音版權(quán)，進(jìn)行克隆并對(duì)外提供商業(yè)化服務(wù)。

上線6個(gè)月后，ElevenLabs已積累超過(guò)100萬(wàn)注冊(cè)用戶，創(chuàng)作了總計(jì)時(shí)長(zhǎng)超過(guò)10年的音頻內(nèi)容。2024年11月時(shí)，其用戶數(shù)量已經(jīng)超過(guò)3300萬(wàn)。2025年，其ARR邁過(guò)了1億美元大關(guān)。

在2025年6月的一場(chǎng)采訪中，ElevenLabs的增長(zhǎng)負(fù)責(zé)人Luke Harries透露，該公司能實(shí)現(xiàn)如此快速的增長(zhǎng)，背后主要有兩大驅(qū)動(dòng)力。

一方面，ElevenLabs的基礎(chǔ)模型能力不斷迭代，在表現(xiàn)力、真實(shí)感上不斷提升。ElevenLabs認(rèn)為，語(yǔ)音模型與其他AI模型不同，規(guī)模和數(shù)據(jù)量不是最重要的決定因素，反而是模型架構(gòu)發(fā)揮著重要作用。

領(lǐng)導(dǎo)ElevenLabs研究工作的聯(lián)合創(chuàng)始人Piotr Dabkowski憑借自己的影響力，招募到了多位世界頂尖的語(yǔ)音AI研究員，該公司已在模型架構(gòu)上取得一些突破。不過(guò)由于他們打造的是閉源模型，外界無(wú)從知曉這些改進(jìn)究竟在哪些方面。

▲Mati Staniszewski（左）與Piotr Dabkowski（右）

另一方面，ElevenLabs還很擅長(zhǎng)市場(chǎng)營(yíng)銷(xiāo)工作。該公司懂得如何利用社交媒體的力量，還通過(guò)舉辦黑客松比賽、制作另類(lèi)Demo等方式破圈，實(shí)現(xiàn)爆發(fā)式增長(zhǎng)。

而在企業(yè)客戶方面，ElevenLabs認(rèn)為在企業(yè)級(jí)市場(chǎng)應(yīng)該采用自下而上的打法，也就是先從消費(fèi)級(jí)和開(kāi)發(fā)者切入，在建立名聲和信任后，大型客戶自然會(huì)來(lái)。

二、公司重心已成語(yǔ)音智能體，創(chuàng)始人竟不看好音頻模型未來(lái)

不過(guò)，ElevenLabs并不想把自己限定在音頻模型這一狹窄的賽道，該公司瞄準(zhǔn)的是更大的市場(chǎng)。

在一場(chǎng)與TechCrunch錄制的播客中，Mati Staniszewski稱(chēng)，ElevenLabs想解決的根本問(wèn)題，是人類(lèi)與科技產(chǎn)品如何互動(dòng)的問(wèn)題，這是他們一直以來(lái)開(kāi)發(fā)產(chǎn)品的主線。

最初，ElevenLabs打造了文本轉(zhuǎn)語(yǔ)音模型，讓科技產(chǎn)品中的語(yǔ)音聽(tīng)起來(lái)更像人。但要打造真正優(yōu)秀的體驗(yàn)，光有逼真的人聲是不夠的，AI還需要能夠生成聲音、音樂(lè)，并具備對(duì)語(yǔ)音的理解力。Mati Staniszewski認(rèn)為這是該公司從成立以來(lái)到2025年上半年的最大重心。

但事實(shí)上，Mati Staniszewski認(rèn)為音頻模型這條賽道本身并沒(méi)有什么前景：“這一賽道或許在未來(lái)1-2年內(nèi)仍是成立的，但再過(guò)幾年，這項(xiàng)技術(shù)就會(huì)完全商品化（Commoditized）”。

如今，ElevenLabs還在造模型的原因是，短期內(nèi)它還是提升AI音頻產(chǎn)品質(zhì)量的最好方式。但隨著這項(xiàng)技術(shù)日趨成熟、易于獲取，成為可大量采購(gòu)的“標(biāo)準(zhǔn)件”，音頻模型或許會(huì)成為廣泛的底層基礎(chǔ)能力，而非核心競(jìng)爭(zhēng)優(yōu)勢(shì)。

于是，在2025年下半年，Mati Staniszewski帶領(lǐng)ElevenLabs進(jìn)行了一項(xiàng)重要的戰(zhàn)略調(diào)整，如今，ElevenLabs的首要任務(wù)是幫助企業(yè)部署對(duì)話智能體，并能以新的方式與用戶、客戶互動(dòng)。

Mati Staniszewski判斷，隨著智能體、對(duì)話智能體和語(yǔ)音智能體的興起，用戶可以與設(shè)備交談了，但要讓這些智能體真正產(chǎn)生價(jià)值，就需要將大量信息和知識(shí)庫(kù)帶入智能體內(nèi)部，使其能夠與現(xiàn)有系統(tǒng)集成。

集成后，這些產(chǎn)品還需要具備可測(cè)試、可評(píng)估、可監(jiān)控的特點(diǎn)，這樣才能獲取企業(yè)級(jí)客戶的信任。

這些智能體的主要應(yīng)用場(chǎng)景，其實(shí)就是AI語(yǔ)音客服。ElevenLabs的智能體是多模態(tài)的，可以理解口頭或書(shū)面輸入，像人類(lèi)一樣傾聽(tīng)、閱讀并與客戶互動(dòng)。企業(yè)還可對(duì)這些智能體進(jìn)行定制化，在ElevenLabs提供的可視化工具中打造出對(duì)話流，精確定義這些智能體該如何與客戶互動(dòng)。

▲ElevenLabs的智能體產(chǎn)品（圖源：ElevenLabs官網(wǎng)）

這一戰(zhàn)略決策，讓ElevenLabs得以在企業(yè)級(jí)市場(chǎng)進(jìn)一步攻城略地。如今，在語(yǔ)音智能體賽道，他們的一些大客戶包括Cisco（思科）、Meta、Salesforce等等，而在音頻創(chuàng)作領(lǐng)域，迪士尼、Epic等影視與游戲制作公司都在使用其產(chǎn)品。

反映到ARR上，ElevenLabs在做出這一戰(zhàn)略轉(zhuǎn)向后，ARR增速明顯加快。2025年初，ElevenLabs達(dá)到1億美元ARR時(shí)，用時(shí)為20個(gè)月，而緊接著跨越2億美元ARR大關(guān)僅用時(shí)10個(gè)月。

2026年初，當(dāng)ElevenLabs宣布實(shí)現(xiàn)3.3億美元ARR時(shí)，距離他們達(dá)成2億美元ARR的時(shí)間僅為5個(gè)月。

三、主打AI模型+產(chǎn)品，不猛堆算力與數(shù)據(jù)

語(yǔ)音AI賽道，并不缺乏優(yōu)秀的模型。中國(guó)的MiniMax、阿里、海外的谷歌、OpenAI等公司都曾打造優(yōu)秀的語(yǔ)音產(chǎn)品，那么，ElevenLabs的差異化優(yōu)勢(shì)在哪兒？

就像軟件和硬件的結(jié)合才是蘋(píng)果公司的魔力一樣，Mati Staniszewski認(rèn)為，AI模型與產(chǎn)品的結(jié)合才能發(fā)揮最大價(jià)值。

ElevenLabs雖然也會(huì)研究一些前沿方向，比如開(kāi)源視頻模型與語(yǔ)音模型的結(jié)合，但他們更重視的始終是打造更好的產(chǎn)品，不會(huì)像競(jìng)爭(zhēng)對(duì)手那樣訓(xùn)練一些計(jì)算密集或數(shù)據(jù)密集的模型。

同時(shí)，Mati Staniszewski還認(rèn)為ElevenLabs具備更高的專(zhuān)注度，他們直接專(zhuān)注于解決人類(lèi)與計(jì)算機(jī)進(jìn)行語(yǔ)音互動(dòng)的問(wèn)題，該公司的愿景是獨(dú)立于競(jìng)爭(zhēng)對(duì)手們所做的事情之外的。

拿到新融資后，ElevenLabs的首要目標(biāo)是推動(dòng)其智能體產(chǎn)品的發(fā)展。未來(lái)幾天，他們很快會(huì)推出適用于智能體平臺(tái)的全新對(duì)話模型，能更快、更準(zhǔn)確地理解和表達(dá)感情。

如今，ElevenLabs已經(jīng)是一家擁有400名員工的公司了，與其他估值相近的AI創(chuàng)企相比，這已經(jīng)幾乎可以算是大公司了。

ElevenLabs正在倫敦、紐約、舊金山、華沙、都柏林、東京、首爾、新加坡、班加羅爾、悉尼、圣保羅、柏林、巴黎和墨西哥城等地開(kāi)展國(guó)際擴(kuò)展，并配備本地化的市場(chǎng)推廣團(tuán)隊(duì)，這對(duì)該公司旗下的語(yǔ)音AI業(yè)務(wù)而言，尤其重要。

結(jié)語(yǔ)：模型服務(wù)于產(chǎn)品，成ElevenLabs突圍思路

回頭看ElevenLabs的成長(zhǎng)路徑，它并沒(méi)有走一條堆參數(shù)、拼算力的傳統(tǒng)模型公司路線，而是始終圍繞一個(gè)更底層的問(wèn)題推進(jìn)：語(yǔ)音和音頻，究竟在真實(shí)世界里如何被使用。而在戰(zhàn)略層面，他們又足夠清醒地判斷出“音頻模型終將商品化”，果斷將重心轉(zhuǎn)向?qū)υ捴悄荏w與企業(yè)場(chǎng)景。

這是一種“產(chǎn)品先行、模型服務(wù)于產(chǎn)品”的打法，讓ElevenLabs在語(yǔ)音AI這個(gè)擁擠的賽道中擁有了差異化的特點(diǎn)。而這或許也是頭部企業(yè)和頂級(jí)風(fēng)投，愿意重金押注ElevenLabs的關(guān)鍵。