ElevenLabs v4, yapay seslerde ifade kontrolünü artırıyor

Yapay zekâ destekli ses üretim platformu ElevenLabs, yeni nesil ses modelleri ElevenLabs v4 ve v4 Turbo’yu kullanıma sundu. Şirketin açıklamasına göre modeller, konuşma sırasında duygu ve ton değişimlerini daha iyi yönetirken 90’dan fazla dilde ses üretimi yapabiliyor. Yeni sürüm özellikle sesli asistanlar ve gerçek zamanlı görüşmeler için daha düşük gecikme vadediyor.

ElevenLabs, önceki v3 modelini geçen yıl piyasaya çıkarmıştı. v3, satır içi etiketler aracılığıyla sesin belirli bölümlerinde ifade biçiminin değiştirilmesine izin veriyordu. v4 ile bu sistem genişletiliyor. Kullanıcılar birden fazla etiketi aynı metinde art arda kullanabilecek ve model, bu etiketlerin sırasını takip ederek seslendirmeyi buna göre şekillendirecek.

Ses klonlama için 10 saniyelik kayıt yeterli

ElevenLabs v4’ün temel değişikliklerinden biri, şirketin yeni mimari yaklaşımı. Bu mimari, ses kimliğinin uzun metinlerde daha tutarlı korunmasını ve ses klonlama işleminin daha hızlı yapılmasını amaçlıyor. Şirket, kullanıcıların yalnızca 10 saniyelik bir ses kaydıyla ses klonlayabileceğini belirtiyor.

Model, yalnızca cümleleri mekanik biçimde okumak yerine metnin bağlamını da değerlendirebiliyor. Böylece bir bölümdeki şaşkınlık, öfke, bekleme veya vurgu gibi ifade farklılıkları seslendirmeye yansıtılabiliyor. Uzun metinlerde sesin karakterini koruyabilmesi, özellikle hikâye anlatımı, dublaj, eğitim içerikleri ve dijital karakterlerde daha tutarlı sonuçlar elde edilmesini sağlayabilir.

Yeni modellerin dil desteği de v3’e kıyasla genişledi. Önceki sürüm 70 dili desteklerken v4 ailesi bu sayıyı 90’ın üzerine çıkarıyor. ElevenLabs, kalite artışının en belirgin biçimde Japonca, Brezilya Portekizcesi, Mandarin ve Kantonca dillerinde görüldüğünü açıkladı. Bu genişleme, platformun İngilizce dışındaki içerik üretiminde kullanım alanını artırabilir.

Sesli asistanlarda daha akıcı görüşmeler hedefleniyor

ElevenLabs, v4 modellerini müşteri hizmetleri ve sesli yapay zekâ asistanları için de konumlandırıyor. Daha düşük gecikme sayesinde sistemin karşı taraf konuşmasını bitirdikten sonra uzun süre beklemeden yanıt vermesi hedefleniyor. Ayrıca model, arkasındaki büyük dil modeli yanıtı oluşturmaya başlar başlamaz ses üretimine geçebiliyor. Bu yaklaşım, yanıtın tamamının hazırlanmasını beklemek yerine konuşmanın daha erken başlamasına imkân tanıyor.

Şirketin verdiği bilgilere göre v4; gerilimli görüşmeler, müşteri taleplerinin üst birime aktarılması ve bekletme süreçleri gibi durumları da farklı biçimlerde ele alabiliyor. Böylece sesli asistanların yalnızca standart sorulara yanıt vermesi değil, görüşmenin bağlamına göre daha uygun bir iletişim biçimi kullanması amaçlanıyor.

ElevenLabs, kurumsal sesli görüşme alanındaki faaliyetlerini son bir yılda hızlandırdı. Şirket, gelirinin yüzde 55’inden fazlasının büyük işletmelerden geldiğini söylüyor. Bu oran, yeni modellerin bireysel içerik üreticilerinin yanı sıra müşteri hizmetleri operasyonlarına da odaklandığını gösteriyor.

Ses modeli rekabeti büyüyor

Ses üretimi alanındaki rekabet, ElevenLabs v4’ün duyurulmasıyla birlikte daha da yoğunlaşıyor. Cartesia, Deepgram, Fish Audio, Boson ve WellSaid Labs gibi girişimler ifade gücü yüksek ses modelleri geliştiriyor. Büyük teknoloji şirketleri de sesli yapay zekâ ürünlerini iyileştirmeyi sürdürüyor. Bu nedenle sesin doğal duyulması kadar gecikme süresi, dil desteği, bağlamı anlama ve ses kimliğini koruma gibi ölçütler de rekabetin merkezinde yer alıyor.

ElevenLabs, bu yıl Sequoia liderliğinde gerçekleşen yatırım turunda 500 milyon dolar topladı ve şirketin değerlemesi 11 milyar dolara ulaştı. Şirketin yeni bir yatırım turunda 22 milyar dolar değerlemeye ulaşabileceğine dair iddialar bulunuyor; ancak bu bilgi kesinleşmiş bir yatırım olarak açıklanmış değil. ElevenLabs’in yıllıklandırılmış gelir hızı da yıl başındaki yaklaşık 330 milyon dolardan 600 milyon doların üzerine çıktı. Şirketin çalışan sayısı 800’ü aşarken Hindistan, Avrupa ve Brezilya gibi pazarlarda işe alımlar devam ediyor.

ElevenLabs CEO’su Mati Staniszewski, şirketin halka arzı önümüzdeki yıllarda hedeflediğini, ancak bunun için kesin bir takvim paylaşmadığını söyledi. v4 ailesi, şirketin ses üretimini daha doğal hâle getirme hedefini gerçek zamanlı iletişim, çok dilli içerik ve kurumsal müşteri hizmetleriyle birleştiriyor.