ElevenLabs创始人谈语音AI：人与机器交互的下一次迁移

在这期《No Priors》播客中，ElevenLabs联合创始人兼CEO Mati Staniszewski 回顾了公司从2022年创立至今的关键选择，并系统阐述了他对语音AI、AI Agent与开源模型的判断。这不是一次产品发布式的访谈，而是一位创业者对“人如何与技术对话”的长期思考。

为什么ElevenLabs要从“声音”切入人机交互

理解ElevenLabs，首先要理解他们为什么执着于“声音”。在节目一开始，主持人就点出了公司的原始动机：改变人类彼此之间、以及人与计算机互动的方式。Staniszewski对此的回应并不宏大，却非常清晰——“我们在11 Labs解决的是人类如何与技术互动的问题。”

这一判断的重要性在于，它把语音AI从一个“更逼真的配音工具”，重新拉回到交互范式层面。语音不是附属功能，而是一种更接近人类本能的接口。Staniszewski强调，他们希望“在我们的条件下，用更好的方式与技术互动”，而不是被迫学习复杂的操作逻辑。

这种定位也解释了为什么ElevenLabs并未把自己局限为TTS公司。声音只是入口，更大的目标是让计算机理解、回应、并参与到人类的交流中。这种以体验为中心的出发点，构成了公司后续在Agent、研究和平台化选择上的一条主线。

从2022年创业到被大型企业采用：节奏与取舍

ElevenLabs成立于2022年，这在AI浪潮中并不算早期，却踩中了关键窗口。Staniszewski在节目中提到，公司的客户已经覆盖从《财富》500强到增长最快的一批AI初创公司。这种跨度本身就是一个值得玩味的信号。

对早期创业公司来说，同时服务大型企业和高速增长的创业团队，意味着产品必须足够通用，同时又经得起规模和稳定性的考验。这背后隐含的是研发与商业化节奏的平衡。主持人在对话中直接评价他是“一位了不起的创始人”，并断言公司“会成为一个非常、非常大的存在”。

虽然Staniszewski并未展开具体的失败或挫折细节，但他反复提到测试、监控和长期评估的重要性——“即使只是研究阶段，也需要不断测试、监控，并在时间中评估。”这透露出一种更偏工程与系统性的创业方法论，而非单点突破式的产品赌博。

AI Agent：从“说话”到“理解语境”

如果说语音是入口，那么AI Agent则是ElevenLabs试图推进的下一层能力。在节目后半段，话题明显转向Agent平台，以及音频数据如何被更“定性”地理解。

这件事的重要性在于，大多数语音系统仍停留在转写或合成层面，而Agent意味着系统需要理解意图、语境和连续性。Staniszewski提到，在Agent侧，他们关注的不只是音频内容本身，而是如何解释其中的数据，并将其转化为可行动的理解。

他在谈到这一转变时表示，对能参与到这种“转向”中感到自豪。这并不是一次简单的功能升级，而是从工具到协作者的角色变化。对开发者和企业来说，这意味着语音不再只是输入输出，而可能成为Agent感知世界的重要通道。

商业模式、开源与多模态研究的边界感

在一次关于商业模式的追问中，Staniszewski并没有给出激进的答案。他更关心的是，什么样的解决方案在长期看来是“最优的”。这种克制同样体现在他对开源模型的态度上。

当被问及如何看待开源是否会“加速未来”时，他的语气是审慎而开放的。开源可以推动生态，但并不自动等于可持续的产品。关键在于，如何在共享进步与自身研究投入之间找到边界。

此外，他也简要提到正在进行的研究方向——将语音与其他模态结合。这一表态虽然点到即止，却呼应了当前AI发展的整体趋势：单一模态正在让位于更综合的感知系统。ElevenLabs显然希望在这一进程中，占据语音这一关键维度。

总结

这期对话的价值，不在于公布了多少新功能，而在于清晰呈现了一种长期视角：语音不是终点，而是人机交互重构的起点。ElevenLabs从成立之初就把问题定义为“如何互动”，这让他们在Agent、研究和商业选择上保持了一致性。对读者而言，这提醒我们：真正重要的技术公司，往往先想清楚“为什么”，再决定“做什么”。

关键词： ElevenLabs， 语音AI， AI Agent， 人机交互， 开源模型

事实核查备注： ElevenLabs成立时间：2022年；公司定位：语音AI与人机交互；播客名称：No Priors；嘉宾身份：ElevenLabs联合创始人兼CEO Mati Staniszewski；涉及话题：AI Agent、开源模型、多模态研究