HARRY CHANG
ElevenLabs 深度解析：兩個波蘭人的配音革命，如何長成 110 億美元的聲音帝國
—

ElevenLabs 深度解析：兩個波蘭人的配音革命，如何長成 110 億美元的聲音帝國

深度解析 ElevenLabs 的公司背景與創始人故事（源自波蘭配音之痛的兩人創業）、從 TTS 到語音 Agent 平台的商業模式與護城河、Eleven v3 與語音產品矩陣，以及在深偽濫用爭議與巨頭模型內建語音的夾擊下，ARR 五個月翻倍衝向 IPO 的競爭優勢與隱憂。

WRITTEN BY

  • avatar
    Name
    Harry Chang
    Twitter

下一篇

Suno × Udio 深度解析：音樂生成雙雄的版權世紀大和解，與「先侵權後結盟」的商業奇觀
← 回到列表

「AI 公司」系列第十八篇。這篇的起點是一個很有畫面感的痛點：在波蘭看外語電影，所有角色——不論男女老幼——都由同一位男性旁白（lektor）用平板的聲音蓋過原音。2021 年底，兩個從小一起長大的波蘭人看著被 lektor 毀掉的電影，決定用 AI 解決這件事。

四年後，這家公司叫 ElevenLabs：ARR 突破 5 億美元（從 3.3 億到 5 億只花了四個月）、估值 110 億美元、41% 的財星 500 大是客戶，並公開表示瞄準 IPO。在文字模型們燒錢廝殺的時代，聲音這個「小」賽道跑出了成長速度全行業前列的公司。

一、公司背景與創始人故事：十五年的友情，一個配音的怨念

1.1 兩人組：Palantir 的商業腦 + Google 的工程手

創辦人背景
Mati Staniszewski（CEO）前 Palantir 部署策略師——B2B 落地與商業化的行家
Piotr Dąbkowski（CTO）前 Google 機器學習工程師——模型技術核心

兩人是相識十五年的發小,華沙長大、倫敦創業。2022 年 5 月雙雙辭職,用積蓄啟動 ElevenLabs——公司名字致敬電影《一級玩家》式的極客趣味（第 11 實驗室）。起手式就是那個 lektor 怨念:讓任何內容都能用自然、有情感、保留原聲特質的聲音,說任何語言。

1.2 時程表：聲音賽道的閃電戰

時間里程碑意義
2022倫敦成立兩人全職投入
2023/01Beta 上線,一夜爆紅同時爆出 4chan 濫用名人聲線事件——聲音深偽的治理課題從第一天就跟著它
2024/01a16z 領投 8,000 萬美元,晉升獨角獸（11 億美元）TTS 品類的資本認證
2024美國大選期間爆出「拜登 AI 機器人電話」事件,源頭正是其克隆技術監管聚光燈+安全團隊大擴編
2025/01Series C 1.8 億美元,估值 33 億從工具轉向平台(Agents)
2025Eleven v3 發布:70+ 語言、多說話者對話、情緒標籤([whispers]、[sighs])表現力的代差護城河
2025 底ARR 破 3.3 億（100M→200M 花 10 個月,200M→330M 只花 5 個月）成長加速度全行業罕見
2026/02Series D 5 億美元,估值 110 億(NVIDIA 等參與),公開瞄準 IPO語音賽道第一個準上市巨頭
2026/04ARR 突破 5 億美元41% 財星 500 是客戶;全球 14 個辦公室

二、商業模式與護城河

2.1 錢從哪裡來？

收入支柱內容定位
開發者 APITTS/STT/克隆按量計費基本盤:數十萬開發者
企業方案媒體、出版、遊戲、客服的授權與客製客單價引擎,財星 500 滲透 41%
語音 Agent 平台Conversational AI:企業自建語音客服/銷售代理成長最快的第二曲線——從「唸稿」升級到「對話」
創作者訂閱個人方案、Reader App、配音工作室漏斗與品牌
聲音市集聲優授權分潤、名人聲音遺產授權(與遺產管理方合作)生態設計:把「被克隆的人」變成收租方

2.2 護城河分析

護城河來源強度說明
表現力技術領先強v3 的情緒標籤、多角色對話、70+ 語言——「像人」的最後一哩是資料與調校的長期積累,不是跑分能速成的
聲音資料飛輪強數百萬創作者的聲音克隆與回饋,累積全球最大之一的授權聲音庫
工作流嵌入中偏強出版社的有聲書管線、遊戲工作室的角色配音、客服系統整合——換供應商要重錄/重調全部資產
信任與合規先發中偏強經歷 4chan 與拜登電話事件後建立的驗證/浮水印/授權體系,反而成了企業採購的安心選項
多模型中立中Agent 平台可接任何 LLM——它做「嘴巴與耳朵」,不與大腦供應商為敵

2.3 策略解讀：從「聲音工具」到「語音介面公司」

ElevenLabs 的野心遠不只 TTS。CEO 的判斷是「語音將成為科技的核心介面」——文字模型負責思考,但人機互動的最終形態是說話。它的卡位邏輯:LLM 大戰誰贏都行,只要「說出來」與「聽進去」這兩端由它壟斷,它就是所有 Agent 的嘴巴與耳朵。這與 Perplexity(063)的路由邏輯異曲同工:把巨頭的模型變成自己的供應商。

三、核心產品矩陣介紹

3.1 現役產品（2026 年中）

產品定位說明
Eleven v3旗艦 TTS70+ 語言、情緒標籤、多說話者;「最有表現力」的行業標竿
語音克隆核心能力秒級即時克隆與專業級克隆;驗證機制防濫用
Conversational AI（Agents）平台化主力低延遲輪替對話,企業自建語音客服/導購/助理
Scribe（STT）聽的那一端語音辨識,補全雙向對話能力
配音工作室（Dubbing）創始初心影片自動翻譯配音,保留原聲音色——lektor 終結者
Eleven Music新戰線與版權方(Merlin、Kobalt 等)合作的授權音樂生成——直接踩進 Suno/Udio 的戰場(下篇預告)
Reader / 應用C 端任何文章變播客

3.2 技術與治理特色

特色說明
情緒與語境建模不只唸字,能理解上下文決定語氣——「表現力」是它與商品化 TTS 的分界線
低延遲對話Agent 場景的輪替(turn-taking)優化,人感對話的工程壁壘
安全三件套聲音驗證、AI 語音偵測分類器、浮水印——濫用事件逼出來的行業標準
授權優先的音樂路線學了 Suno/Udio 被告的教訓,音樂線從第一天就簽版權方

四、競爭優勢與隱憂

4.1 競爭優勢

優勢說明
成長速度ARR 100M→500M 不到兩年,B2B 滲透(41% 財星 500)證明不是玩具需求
品類心智「AI 語音」約等於 ElevenLabs,如同圖像之於 Midjourney
雙端卡位TTS+STT+Agent 平台,壟斷語音互動的進出口
中立層定位不做 LLM,所有大腦廠商都是潛在客戶而非敵人
IPO 敘事乾淨收入真實、客戶分散、毛利健康——AI 應用層最像「正常好公司」的一家

4.2 隱憂與風險

1. 巨頭模型的「內建語音」蠶食

GPT、Gemini 的原生語音對話越來越好,且對開發者幾乎免費捆綁——通用場景的 TTS 正在被前沿模型「順手」解決。ElevenLabs 被推向專業與企業市場(高表現力、可控、多語),這個利基夠深,但通用流量的天花板被鎖死了。

2. 深偽濫用的永恆陰影

拜登機器人電話事件證明:它的技術每強一分,濫用的殺傷力就大一分。詐騙電話、名人假聲、選舉操弄——每一次社會事件都可能引來監管重錘(聲音克隆立法已在多國推進),合規成本只增不減。

3. 開源與價格戰

開源 TTS(以及中國廠商的低價方案)在「夠用」場景快速追趕,API 單價長期向下——與 Together(070)面對的是同一條商品化曲線。表現力優勢必須跑得比降價快。

4. 音樂線的版權雷區

Eleven Music 選了授權路線,但等於同時挑戰 Suno/Udio(產品)與唱片業的耐心(分潤)——這條線做好了是第二曲線,做不好是訴訟與燒錢的雙重負擔。

5. 估值的成長依賴

110 億估值對 5 億 ARR 約 22 倍——定價的是「成長不減速」。語音 Agent 市場若被 CRM/客服巨頭(Salesforce、Genesys)用捆綁打法收割,增速下修會直接衝擊 IPO 定價。

結語

把 ElevenLabs 放進第三週座標系：

維度Midjourney（071）Runway（073）ElevenLabs
賽道圖像影片聲音
客群消費者訂閱專業/片廠開發者+企業
對巨頭策略美學錯位工作流深耕做所有模型的嘴巴與耳朵
財務狀態獲利、零融資重融資搶跑高速成長、衝 IPO

ElevenLabs 是多模態一週裡「商業化最無懸念」的樣本：聲音是所有 AI 介面的最後一哩，而最後一哩天然靠近付費場景（客服、有聲書、配音都是本來就有預算的行業）。它的故事也再次驗證系列反覆出現的規律——在巨頭的射程內活下來的方法，是把自己變成巨頭的互補品，而不是替代品。

下一篇留在聲音賽道，但轉向更狂野的戰場：讓素人一鍵寫出霸榜神曲、也讓整個唱片業跳腳的 Suno——以及與它纏鬥的 Udio，一場音樂生成雙雄與版權世紀和解的故事。

參考資料：

View on GitHub