智東西（公眾號：zhidxcom）
作者 |? 陳駿達
編輯 |? 心緣
AI音頻賽道，沖出一家百億美元獨角獸！
智東西2月5日報道，昨天，英國AI音頻獨角獸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，實現(xiàn)了超230%的飛速增長。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構增大了在ElevenLabs的持股比例。
▲Mati Staniszewski發(fā)文宣布融資（圖源：X平臺）
ElevenLabs于2022年成立于英國倫敦，最初主要從事文本轉語音模型的開發(fā)，后來也陸續(xù)打造了語音轉文本模型、AI音效模型、AI配音模型、AI音樂模型等領域。
該公司既向企業(yè)提供語音API服務，也為創(chuàng)作者和品牌提供音頻生成平臺ElevenCreative，還通過ElevenAgents平臺向企業(yè)提供AI語音客服服務。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3.3億美元（約合人民幣22.9億元）。
自成立以來，ElevenLabs已完成五輪融資，累計融資總額達到7.81億美元（約合人民幣54.2億元）。英偉達此前曾參與ElevenLabs的C輪融資。英偉達創(chuàng)始人兼CEO黃仁勛稱，ElevenLabs打造了世界上最好的語音AI產(chǎn)品，他主動向英偉達團隊推薦了ElevenLabs。如今，黃仁勛在各類大會上以虛擬卡通形象出現(xiàn)時，就會用ElevenLabs的工具來復刻自己的聲音。
▲黃仁勛與Mati Staniszewski（圖源：英偉達）
從融資規(guī)模、收入增長到資本陣容，ElevenLabs已經(jīng)穩(wěn)穩(wěn)位居全球AI音頻賽道的第一梯隊。這樣一家成立不到4年、卻能在競爭激烈的語音AI領域中快速拉開身位的公司，顯然不只是踩中了風口那么簡單。它背后的創(chuàng)業(yè)起點、關鍵選擇，以及對產(chǎn)品與市場的理解，值得深度拆解。
一、上線6個月拿下百萬用戶，靠社交媒體實現(xiàn)爆發(fā)式增長
ElevenLabs的兩位聯(lián)合創(chuàng)始人Mati Staniszewski和Piotr Dabkowski都來自波蘭。受到童年時觀看的那些配音糟糕的美國電影的啟發(fā)，他們決定打造一款AI工具，來解決這一問題。
在創(chuàng)業(yè)之前，Mati Staniszewski曾在瀏覽器公司Opera、投資與技術供應商貝萊德以及數(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究竟能給這個行業(yè)帶來什么變化？在2023年投資ElevenLabs之際，a16z的投資人Bryan Kim闡述了他對ElevenLabs潛力的理解。
Bryan Kim認為，盡管語音轉文字技術已經(jīng)存在了數(shù)十年，但它未能發(fā)揮全部潛力。大多數(shù)合成語音缺乏吸引人的語調(diào)和發(fā)音，缺乏個性感，而高端的人工錄制語音服務雖然存在，但冗長的制作流程和高昂的成本使得這項技術在大多數(shù)實時和互動場景中難以實現(xiàn)。
ElevenLabs的出現(xiàn)，就是要滿足這些場景對高質量語音的需求。
2023年1月，ElevenLabs首次推出了語音設計和克隆產(chǎn)品，并對現(xiàn)有的文字轉語音模型進行了顯著改進。之后還陸續(xù)推出多款文本轉語音模型，擴展多語言支持，甚至拿下了一些已故知名演員的聲音版權，進行克隆并對外提供商業(yè)化服務。
上線6個月后，ElevenLabs已積累超過100萬注冊用戶，創(chuàng)作了總計時長超過10年的音頻內(nèi)容。2024年11月時，其用戶數(shù)量已經(jīng)超過3300萬。2025年，其ARR邁過了1億美元大關。
在2025年6月的一場采訪中，ElevenLabs的增長負責人Luke Harries透露，該公司能實現(xiàn)如此快速的增長，背后主要有兩大驅動力。
一方面，ElevenLabs的基礎模型能力不斷迭代，在表現(xiàn)力、真實感上不斷提升。ElevenLabs認為，語音模型與其他AI模型不同，規(guī)模和數(shù)據(jù)量不是最重要的決定因素，反而是模型架構發(fā)揮著重要作用。
領導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音AI研究員，該公司已在模型架構上取得一些突破。不過由于他們打造的是閉源模型，外界無從知曉這些改進究竟在哪些方面。
▲Mati Staniszewski（左）與Piotr Dabkowski（右）
另一方面，ElevenLabs還很擅長市場營銷工作。該公司懂得如何利用社交媒體的力量，還通過舉辦黑客松比賽、制作另類Demo等方式破圈，實現(xiàn)爆發(fā)式增長。
而在企業(yè)客戶方面，ElevenLabs認為在企業(yè)級市場應該采用自下而上的打法，也就是先從消費級和開發(fā)者切入，在建立名聲和信任后，大型客戶自然會來。
二、公司重心已成語音智能體，創(chuàng)始人竟不看好音頻模型未來
不過，ElevenLabs并不想把自己限定在音頻模型這一狹窄的賽道，該公司瞄準的是更大的市場。
在一場與TechCrunch錄制的播客中，Mati Staniszewski稱，ElevenLabs想解決的根本問題，是人類與科技產(chǎn)品如何互動的問題，這是他們一直以來開發(fā)產(chǎn)品的主線。
最初，ElevenLabs打造了文本轉語音模型，讓科技產(chǎn)品中的語音聽起來更像人。但要打造真正優(yōu)秀的體驗，光有逼真的人聲是不夠的，AI還需要能夠生成聲音、音樂，并具備對語音的理解力。Mati Staniszewski認為這是該公司從成立以來到2025年上半年的最大重心。
但事實上，Mati Staniszewski認為音頻模型這條賽道本身并沒有什么前景：“這一賽道或許在未來1-2年內(nèi)仍是成立的，但再過幾年，這項技術就會完全商品化（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)品質量的最好方式。但隨著這項技術日趨成熟、易于獲取，成為可大量采購的“標準件”，音頻模型或許會成為廣泛的底層基礎能力，而非核心競爭優(yōu)勢。
于是，在2025年下半年，Mati Staniszewski帶領ElevenLabs進行了一項重要的戰(zhàn)略調(diào)整，如今，ElevenLabs的首要任務是幫助企業(yè)部署對話智能體，并能以新的方式與用戶、客戶互動。
Mati Staniszewski判斷，隨著智能體、對話智能體和語音智能體的興起，用戶可以與設備交談了，但要讓這些智能體真正產(chǎn)生價值，就需要將大量信息和知識庫帶入智能體內(nèi)部，使其能夠與現(xiàn)有系統(tǒng)集成。
集成后，這些產(chǎn)品還需要具備可測試、可評估、可監(jiān)控的特點，這樣才能獲取企業(yè)級客戶的信任。
這些智能體的主要應用場景，其實就是AI語音客服。ElevenLabs的智能體是多模態(tài)的，可以理解口頭或書面輸入，像人類一樣傾聽、閱讀并與客戶互動。企業(yè)還可對這些智能體進行定制化，在ElevenLabs提供的可視化工具中打造出對話流，精確定義這些智能體該如何與客戶互動。
▲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)級市場進一步攻城略地。如今，在語音智能體賽道，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)略轉向后，ARR增速明顯加快。2025年初，ElevenLabs達到1億美元ARR時，用時為20個月，而緊接著跨越2億美元ARR大關僅用時10個月。
2026年初，當ElevenLabs宣布實現(xiàn)3.3億美元ARR時，距離他們達成2億美元ARR的時間僅為5個月。
三、主打AI模型+產(chǎn)品，不猛堆算力與數(shù)據(jù)
語音AI賽道，并不缺乏優(yōu)秀的模型。中國的MiniMax、阿里、海外的谷歌、OpenAI等公司都曾打造優(yōu)秀的語音產(chǎn)品，那么，ElevenLabs的差異化優(yōu)勢在哪兒？
就像軟件和硬件的結合才是蘋果公司的魔力一樣，Mati Staniszewski認為，AI模型與產(chǎn)品的結合才能發(fā)揮最大價值。
ElevenLabs雖然也會研究一些前沿方向，比如開源視頻模型與語音模型的結合，但他們更重視的始終是打造更好的產(chǎn)品，不會像競爭對手那樣訓練一些計算密集或數(shù)據(jù)密集的模型。
同時，Mati Staniszewski還認為ElevenLabs具備更高的專注度，他們直接專注于解決人類與計算機進行語音互動的問題，該公司的愿景是獨立于競爭對手們所做的事情之外的。
拿到新融資后，ElevenLabs的首要目標是推動其智能體產(chǎn)品的發(fā)展。未來幾天，他們很快會推出適用于智能體平臺的全新對話模型，能更快、更準確地理解和表達感情。
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展國際擴展，并配備本地化的市場推廣團隊，這對該公司旗下的語音AI業(yè)務而言，尤其重要。
結語：模型服務于產(chǎn)品，成ElevenLabs突圍思路
回頭看ElevenLabs的成長路徑，它并沒有走一條堆參數(shù)、拼算力的傳統(tǒng)模型公司路線，而是始終圍繞一個更底層的問題推進：語音和音頻，究竟在真實世界里如何被使用。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”，果斷將重心轉向對話智能體與企業(yè)場景。
這是一種“產(chǎn)品先行、模型服務于產(chǎn)品”的打法，讓ElevenLabs在語音AI這個擁擠的賽道中擁有了差異化的特點。而這或許也是頭部企業(yè)和頂級風投，愿意重金押注ElevenLabs的關鍵。
