Przyszłość generatywnego audio AI w wizji ElevenLabs

Mati Staniszewski, współzałożyciel i dyrektor generalny ElevenLabs przedstawił intrygującą prognozę dotyczącą przyszłości modeli AI do generowania audio. Stwierdził, że w perspektywie długoterminowej, rozwiązania te ulegną komodytyzacji, stając się powszechnie dostępnymi i mniej zróżnicowanymi, a ostatecznie zamiennymi.

Staniszewski podkreślił, że mimo przewidywanej komodytyzacji, zaangażowanie ElevenLabs w rozwój autorskich modeli ma krótkoterminowe uzasadnienie. Obecnie, budowanie własnych architektur modeli stanowi największą przewagę i pozwala na osiąganie przełomowych postępów. Jako przykład podał konieczność zapewnienia wysokiej jakości generowanych głosów i interakcji, co wciąż stanowi wyzwanie, które wymaga zaawansowanych rozwiązań, opracowywanych wewnętrznie.

W perspektywie najbliższego roku lub dwóch, ElevenLabs zamierza kontynuować intensywne prace badawczo-rozwojowe nad architekturami modeli audio. Staniszewski zaznaczył również, że w tym okresie rynek będzie świadkiem rosnącej liczby modeli multimodalnych lub zintegrowanych. Jako przykład podał tworzenie audio i wideo jednocześnie, bądź integrację audio z dużymi modelami językowymi (LLM) w kontekście konwersacyjnym, wskazując na Google Veo 3 jako jeden z kierunkowych przykładów.

W dłuższej perspektywie, kiedy podstawowe aspekty technologii generowania audio staną się bardziej ujednolicone, ElevenLabs planuje skupić się na strategicznych partnerstwach i wykorzystaniu technologii open source. Celem jest połączenie specjalistycznej wiedzy firmy w dziedzinie audio z kompetencjami innych modeli, aby tworzyć innowacyjne aplikacje i usługi, które wykraczają poza samą generację dźwięku.

Dla ElevenLabs, kluczem do długoterminowego sukcesu ma być równowaga między ciągłym rozwijaniem modeli a tworzeniem zaawansowanych aplikacji. Staniszewski porównał to podejście do strategii Apple, gdzie integracja sprzętu i oprogramowania stworzyła unikalną wartość. W przypadku ElevenLabs, fuzja produktu z technologią AI ma generować najlepsze przypadki użycia, budując trwałą przewagę konkurencyjną na komodytyzującym się rynku.