语音 AI 迎来重磅并购:ElevenLabs 宣布收购日…

AI广播站10小时前更新 小悠
1 0 0

全球语音人工智能领域迎来了一起备受瞩目的行业整合。知名语音 AI 企业 ElevenLabs 于近日正式宣布,已成功收购日本领先的语音 AI 实验室 Kotoba。通过此次强强联手,双方将共同加速 AI 智能体与语音交互界面在全球第四大经济体的深度落地与普及。

突破语言文化壁垒:打造适应本土化深层语境的语音 AI

语音 AI 迎来重磅并购:ElevenLabs 宣布收购日本知名语音 AI 公司 Kotoba

人类的语言交流不仅是字面词汇的组合,更带有浓厚的地域色彩、复杂的方言口音以及不成文的社会文化规范。相比之下,日语等语言在表达上往往更加精妙和注重语境——例如句子中经常省略主语和宾语、用词会随交谈对象实时变化、习惯通过频繁道歉来维持社交礼貌、用停顿代表思考,甚至拥有独特的“读空气”(kūki o yomu)文化,即需要领会言外之意。

正是看到了这种跨文化交互的复杂性,ElevenLabs 将“让 AI 在不同文化和语境下都自然、直观”作为核心使命。而 Kotoba 凭借其深厚的语音技术研究和对日本本土市场的深刻理解,成为了实现这一目标的天然合作伙伴。

Kotoba 由 AI 研究者 Noriyuki Kojima(小岛敬之)与 Jungo Kasai(笠井淳吾)于2023年在东京创立,其创立初心就是面向多语言世界开发语音 AI,坚信“语音不应止步于语言的边界”。

核心团队背景雄厚,明星模型 Koto 已获企业级验证

在技术与人才团队方面,Kotoba 汇聚了顶尖的学术与研发力量:

联合创始人兼 CEO Noriyuki Kojima: 拥有康奈尔大学计算机科学博士学位,曾任 Hugging Face 研究科学家,并参与打造了日本著名的 Fugaku-LLM(在 RIKEN Fugaku 超级计算机上从零训练的开源大模型)。

联合创始人兼 CTO Jungo Kasai: 拥有华盛顿大学计算机科学与工程博士学位,曾任芝加哥大学丰田技术研究所助理教授,是日本被引用次数最多的研究者之一。

Kotoba 旗下自主研发的旗舰语音模型 Koto,在日语文本转语音、语音转文本以及用于同声传译的语音转语音任务中均展现出了卓越的性能。目前,该模型已被多家全球大型企业投入实际应用,例如 Salesforce 便在其 Agentforce Voice 中引入 Koto 模型,用来为日语音频对话提供底层支撑。

对于此次收购,双方高管均表达了高度的期待与战略远见:

ElevenLabs 联合创始人兼 CEO Mati Staniszewski 表示,要让 AI 真正惠及每一个人,其交互设计就必须从一开始就将当地的语言和社交规范融入技术架构之中。Kotoba 在日本正是这样做的,双方携手将为日本的 AI 构筑完整的交互层。

ElevenLabs 联合创始人兼 CTO Piotr Dąbkowski 指出,日语的复杂精妙带来了独特的技术挑战,两家公司研究成果的结合将大幅提升 ElevenLabs 整个技术栈中的日语处理能力。

Kotoba 联合创始人兼 CTO Jungo Kasai 表示,非常期待引领日本和东亚的下一波语音 AI 浪潮,从语音 AI 智能体到同声传译,他们的旅程才刚刚开始。

Salesforce Ventures 合伙人 Nowi Kallen 则认为,语音正在成为 AI 的强大新界面,两家公司的强强联合将为全球企业和消费者带来更自然的交互体验。

作为全面布局日本市场的第一步,ElevenLabs 计划在未来几个月内组建本地销售领导团队,并继续加大对日本当地算力与基础设施的投资,与日本本土企业以及在日开展业务的跨国公司展开更紧密的合作。该收购预计将于2026年第四季度晚些时候正式完成,目前正等待常规监管批准并满足相关交割条件。

ElevenLabs推出新一代语音转文本模型Scribe v3与Scribe v3Live,分别面向预录制音频转写和低延迟实时语音应用,强化多人交谈、相互打断及背景噪声等复杂场景识别。两款模型已通过ElevenAPI和ElevenAgents开放给开发者。Scribe v3支持102种语言,较上代单词错误率降低约25%,德语识别准确率显著提升。

ElevenLabs于2026年11月5日宣布,用户可将通过ElevenMusic平台创建的AI生成音乐直接发布至SoundCloud。合作中,SoundCloud Artist Pro用户可获三个月ElevenMusic Pro服务,权益含每月最高生成1000首歌曲、500次分轨文件分割及5个自定义风格或人声。ElevenLabs自2025年发布音乐生成模型以来持续迭代,推动AI音乐创作与分发。

墨尔本大学与新南威尔士大学联合团队推出语音AI评测基准VoxMem,检验其在长达数小时、几十轮真实对话中,能否记住说话人身份、语气和背景声。团队指出旧评测只关注转写文字,丢失声音中的身份、情绪与环境线索,无法衡量语音记忆能力,VoxMem正为填补这一空白而设。

ElevenLabs于3日发布生成式音乐模型ElevenMusic v2.5,通过移动应用和API向全球开放。新版提升音频饱满度与自然感;在47,885对样本盲测中,多数听众偏好v2.5,在R&B、灵魂乐、嘻哈、摇滚、管弦乐等曲风上表现更佳。

环球音乐集团9月10日宣布与AI音频公司ElevenLabs达成多年期许可协议及战略合作。这是ElevenLabs首次与主流唱片公司正式签约,标志AI音乐在版权合规与产业化落地迈出关键一步。双方将共同推进AI音频技术与版权内容融合,提供合规化解决方案。

语音 AI 迎来重磅并购:ElevenLabs 宣布收购日…

关注 “悠AI” 更多干货技巧行业动态

© 版权声明

相关文章

没有相关内容!

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...