ElevenLabs دیگر فقط صدا نمی‌سازد؛ اکنون مکالمات مشتریان شما را مدیریت می‌کند، نه تنها صداهای در آن‌ها. در ۱۱ نوامبر ۲۰۲۶، شرکت در نشست نیویورک اعلام کرد که مدل‌های صوتی و باز را روی داده‌های استقرار زنده تنظیم می‌کند تا عامل‌های سازمانی بسازد. پکیج جدید ElevenLabs را فراتر از تولید صدا و رونویسی می‌برد و به نرم‌افزاری برای مدیریت مکالمات مشتریان و کار کارکنان تبدیل می‌کند. این پکیج شامل اپ جدید ElevenAI برای محیط کار و یک برنامه شریک است.
ماتی استانیسوسکی (Mati Staniszewski)، مدیرعامل ElevenLabs، عامل‌های مکالمه‌ای را «زیرساخت حیاتی برای هر سازمان، به‌اندازه ابری یا پرداخت‌ها» توصیف کرد. او گفت این واقعیت در عرض چند سال برقرار می‌شود. این چرخش راهبردی ElevenLabs را از یک ارائه‌دهنده تبدیل متن به گفتار (Text-to-Speech) به پلتفرمی می‌کند که مکالمه را از ابتدا تا پایان هدایت می‌کند — مثل یک مدیر اتاق جلسات که نوبت‌ها را می‌دهد، وقفه‌ها را مدیریت می‌کند و برای هر بخش مدل مناسب را انتخاب می‌کند.
جزئیات کلیدی
- تنظیم روی داده‌های زنده: کار سفارشی‌سازی در ماه‌های آینده آغاز می‌شود. شرکت‌ها با محققان ElevenLabs کار می‌کنند تا مدل‌ها را برای مشتری و بافت کاری خود بهینه کنند. معیارها می‌تواند رضایت مشتری یا قابلیت اعتماد باشد. چون داده از استقرار واقعی می‌آید، مدل به‌مرور بهتر می‌شود — نه فقط روی یک مدل عمومی صنعتی تکیه دارد.
- اسکرایب v3 پزشکی (Scribe v3 Medical): شرکت از قبل رویکرد اختصاصی به صنعت را اعمال می‌کند. این مدل رونویسی مراقبت‌های بهداشتی برای تشخیص واژگان تخصصی ساخته شده است.
- مدل خدمات مالی: استانیسوسکی گفت مدل بهینه‌شده برای خدمات مالی نیز در حال توسعه است.
- موتور تعامل (Interaction Engine): این موتور یک مسئله دیگر را حل می‌کند: تصمیم‌گیری درباره نحوه اجرای مکالمه. نوبت‌دهی، وقفه‌ها و وقفه‌زنی‌ها را مدیریت می‌کند و می‌تواند مدل‌های زبانی مختلف را به بخش‌های مختلف تبادل تخصیص دهد. برای تریاژ مدل ارزان‌تر، برای کارهای پیچیده مدل پیشرو استفاده می‌شود تا توکن و هزینه کم شود. طراحی باعث می‌شود تبادل‌های روتین نیازی به مدل پیشرو در هر مرحله نداشته باشند و هدف محدود کردن مصرف توکن است.
- ElevenAI: برای کارکنان، استانیسوسکی ElevenAI را پیش‌نمایش داد. اپی که به مکالمات صوتی، از جمله جلسات حضوری، گوش می‌دهد و یادداشت، خلاصه و اقلام اقدام تولید می‌کند. همچنین می‌تواند کمک زنده بدهد و بافت را بین افراد و عامل‌ها منتقل کند. ElevenLabs می‌گوید اپ با رضایت شرکت‌کنندگان یادداشت می‌نویسد و مکانیزم‌های اطلاع و رضایت دارد. دسترسی رایگان زودرس ElevenAI با اعلامیه باز شد. دیکته و یادداشت جلسات از اسکرایب v3 (Scribe v3) استفاده می‌کند که ElevenLabs آن را مدل رونویسی صدای ضبط‌شده برای ۱۰۲ زبان توصیف می‌کند؛ نوع جداگانه اسکرایب v3 Live برای تأخیر پایین و صدای بلادنگر بهینه شده است.
- برنامه شریک و مارکت‌پلیس: ElevenLabs گزارش می‌دهد بیش از ۵۵۰ شریک در ۴۴ کشور دارد، شامل گوگل کلود (Google Cloud)، آی‌بی‌ام (IBM)، دلوئیت (Deloitte)، دی‌اکس‌سی (DXC) و جنیسیس (Genesys). برنامه شریک جدید به مشاوران، یکپارچه‌سازهای سیستم، فروشندگان نرم‌افزار و آژانس‌ها اجازه می‌دهد ElevenAgents را در پشته فناوری نهادها بگذارند یا با مهندسان پیش‌رونده ElevenLabs روی استقرارهای پیچیده کار کنند.
- همکاری با مکینزی و کووانتوم‌بلاک (QuantumBlack): این اتحاد پلتفرم را با کار تبدیل سازمانی مکینزی جفت می‌کند.
- مارکت‌پلیس: مارکت‌پلیس همراه کاتالوگ منتخبی از برنامه‌های ساخته‌شده توسط شریک برای سلامت، خدمات مالی، بیمه، آموزش و خرده‌فروشی را میزبانی می‌کند. نهادها می‌توانند برنامه‌ها را مرور و با توسعه‌دهندگان‌شان تماس بگیرند؛ خرید از طریق تعهدات موجود ElevenLabs از ۲۰۲۷ آغاز می‌شود.
- محاسبات انویدیا: نیموترون ۳.۵ سوپر VL (Nemotron 3.5 Super VL) در ElevenAgents در دسترس است. ElevenLabs ۱۵ مگاوات ظرفیت Vera Rubin انویدیا را به سیستم‌های موجود Blackwell Ultra اضافه می‌کند — برای استقرارهای بزرگ با نیازهای امنیتی و اقامت داده و برای دادن دسترسی محققان ElevenLabs به محاسبه بهینه.
- استقرار در لهستان: همکاری گسترده شده شامل عامل صوتی درون‌سازمانی برای سنترالِ ا-رِجِسترا (Centralna e-Rejestracja)، سیستم نوبت‌دهی مرکزی در پلتفرم ملی سلامت الکترونیک لهستان، با پشتیبانی ایزی‌کال (EasyCall) است. عامل به بیمارانی که فقط تلفن ثابت دارند زنگ می‌زند و نوبت را یادآوری یا تغییر می‌دهد. سیستم سالانه ۴۰ میلیون نوبت دارد و نرخ عدم حضور ۱۰ تا ۲۰ درصدی. از محاسبات محرمانه انویدیا (NVIDIA Confidential Computing) برای نگه‌داشت داده و صدا در زیرساخت دولتی و حفاظت آن‌ها در حین پردازش استفاده می‌شود.
زمینه
حرکت ElevenLabs نشان می‌دهد که لایه کاربرد عامل‌محور در حال فشردن است: مدل، حافظه، مسیریابی و یکپارچه‌سازی در یک پکیج می‌آیند. برندهای بزرگ دیگر نمی‌توانند فقط API صدا بفروشند؛ باید کل حلقه مکالمه را بگیرند. داده زنده به عنوان مزیت رقابتی جدید عمل می‌کند — هر استقرار، موتور تنظیم را برای استقرار بعد تقویت می‌کند. استراتژی سازمانی ElevenLabs اکنون به بیش از عملکرد مدل بستگی دارد: تنظیم و حافظه روی داده‌های انباشته در استفاده زنده تکیه دارند، روتین‌ها (Routines) مکالمات را به سیستم‌های کسب‌وکار متصل می‌کنند، و برنامه شریک و مارکت‌پلیس مسیرهای ورود به نهادها را می‌سازند. چالش اجرایی مرکزی دووجهی است: انتقال محصول‌های پیش‌نمایش و دسترسی زودرس به استفاده گسترده در تولید، و پیشبرد مرور مارکت‌پلیس به خرید از طریق تعهدات موجود ElevenLabs.
تحلیل
حرکت ElevenLabs نشان می‌دهد که لایه کاربرد عامل‌محور در حال فشردن است: مدل، حافظه، مسیریابی و یکپارچه‌سازی در یک پکیج می‌آیند. برندهای بزرگ دیگر نمی‌توانند فقط API صدا بفروشند؛ باید کل حلقه مکالمه را بگیرند. داده زنده به عنوان مزیت رقابتی جدید عمل می‌کند — هر استقرار، موتور تنظیم را برای استقرار بعد تقویت می‌کند.
گام بعدی شما
- اگر تیم محصول هستید، ElevenAI را در جلسات داخلی امتحان کنید تا کیفیت خلاصه‌سازی و استخراج اقلام اقدام را بسنجید.
- توسعه‌دهندگان سازمانی: مستندات Interaction Engine را بررسی کنید تا ببینید مسیریابی مدل‌های ارزان و پرقدرت چگونه هزینه استنتاج را کاهش می‌دهد.
- رهبران فناوری: برنامه شریک را برای یافتن یکپارچه‌ساز معتبر در حوزه خود (سلامت، مالی، خرده‌فروشی) مرور کنید.
گفتگو