旧金山是人工智能的中心。然而，并非所有模型公司都应该建立在半岛顶端的同一个十平方英里范围内。ElevenLabs是我最喜欢的例子之一，证明了为什么拥有一个 独特的创始故事（源于对波兰单一旁白配音的不满），独特的地理限制和机遇，以及独特的公司文化，从一开始就能给你带来差异化的优势。这也是为什么ElevenLabs - 因为他们与其他AI公司有些不同 - 能够帮助阐明这些公司面临的许多经典挑战：比如如何赢得用户和创作者的信任；或者如何在不失去独特性的前提下扩大团队规模。我希望你能从这个不寻常且特别的公司中获得一些启示。
当我第一次见到Mati和Piotr时，ElevenLabs只有两个人在伦敦追求一个表面上简单的目标：赋予机器与我们一样自然的声音。三年后，他们已成为扩展最快的AI公司之一，在语音、音乐，现在还有会话代理方面构建了一个完整的创意生态系统。几十年来，真实的语音和声音一直是AI行业的目标，那么是什么让ElevenLabs与众不同？这仅仅是关于掌握语音，还是这里还有其他因素在起作用？
在与ElevenLabs创始人Mati Staniszewski在Runtime的对话过程中，有一点变得清晰：除了他们的语音模型外，团队还掌握了另外两个领域：空间和时间。他们建立了一支真正全球化的团队（在语音这样的领域中这是必需的），并且对从研究和产品时间线到平衡消费者和企业客户反馈循环的一切采取了高度战略性的方法：
身处欧洲对于建立语音公司和全球扩张是一种优势。只有非英语母语人士才能理解的独特痛点和机会。
在AI实验室，研究是首要的。但你不能总是期望研究进展与客户需求保持一致。因此要做好准备：在ElevenLabs，如果研究无法在3个月内解决问题，团队会找到方法在更短的时间内构建一个能弥补差距的产品。
与创意行业合作而不是绕过它。创意人士对AI充满好奇，希望了解它在哪些方面能帮助并加速他们的工作。向人们提问：制作过程中哪些部分可以从AI中获益？在哪里它真正有帮助？
拥有一个同时面向消费者和企业用户的产品意味着要学会在快速和缓慢的时间线上共存。与消费者的产品反馈循环很快；与企业的部署时间可能更长。你需要建立一个能适应这两种工作方式的组织。
ElevenLabs是国际化和分布式的，特别关注语音传达意义的所有方式，以及意义如何在翻译中（从字面上和比喻上）丢失。语调、语气和其他声音细微差别不仅承载了口语对话中的大部分真正"意义"；这种意义在不同文化之间也可能有极大的差异。除非你的团队在默认情况下就是国际化的，并且与完全基于旧金山的美国团队有不同的假设，否则你作为产品公司无法真正掌握这一点。
如果你生活在美国或其他英语国家，你可能认为电影、播客、有声读物以及几乎所有基于语音的内容都理所当然地包含各种情感、语调、声音、风格，甚至英语内的口音。正是这些事物与文字的结合创造了意义。如果你遇到相同内容被配音成不同语言，你可能就无法享受到同样的多样性。
如果不是基于欧洲，ElevenLabs就不会存在。在波兰，原始团队的大部分成员来自那里，所有外国电影都由一位演员配音，这位演员为两种性别都以单调的语调表演台词（我个人在中国长大时也感受到这种痛苦，但至少负责配音的制作团队舍得花钱请两位演员！）。这种挫折部分导致了他们认识到世界需要一个强大的文本转语音产品。
ElevenLabs允许用户指定情感、语调、音量和语言。
随着团队规模扩大到30人以上（ElevenLabs现在有约350名员工），他们决定在伦敦、华沙和旧金山建立办公中心。这样做的好处不仅仅是建立面对面团队文化的智慧：就ElevenLabs而言，国际团队理解语音是一个极其灵活的抽象层。
"我们意识到，如果我们想要最优秀的人才[...]我们需要在他们所在的地方招聘。我们不能将自己局限于仅仅在旧金山或西海岸。"
在Runtime的早些时候的会议上，Cisco的总裁兼首席产品官Jeetu Patel坦率地分享了他对未来几年哪类公司会做得好的看法：集成产品模型公司。用他的话说："我认为模型与产品密切合作，以及模型随着产品中反馈的增加而不断改进，这种组合将会非常重要。"
构建一个模型和一个使用该模型的产品的做法有明显的优势：使用产品的人越多，你就能更好地微调底层模型。此外，当有些功能单靠研究还无法解决时，产品可以先执行任务，给研究提供酝酿的时间。
产品中的微小差异——在这种情况下，可能意味着声音输出本身（包括其所有国际细微差别），或者呈现给团队使用ElevenLabs的接口——可能对模型和产品的发展产生巨大的复合影响。因此，设计的产品界面需要恰好领先于模型"自己能做到的事情"。
ElevenLabs在他们文本转语音产品的早期就感受到了这一点，当时他们最常听到的客户要求之一是希望有一个调整语音速度的滑块。最初，Mati和团队的其他成员不愿意这样做：他们不想拥有滑块、开关或任何会让他们看起来太像前几代工具的产品。
团队随后花了大约九个月的时间试图在研究方面而非产品方面解决这个问题。与此同时，客户仍然希望有滑块。最终，ElevenLabs屈服了，并将滑块直接构建到了产品中。现在团队有了一个启发式规则：如果某项功能通过研究需要超过三个月才能解决，他们会尝试在产品层面解决它。
"我们不想成为另一代拥有无尽滑块和开关的编辑工具。所以我们试图通过研究来解决它——让模型决定语音应该以多快的速度说话。九个月后，我们无法攻克这个问题。一个简单的产品修复做到了。现在我们的规则很明确：如果研究需要超过三个月，产品就先行一步。"
我的同事Martin Casado喜欢说公司经历三个阶段：产品阶段、销售阶段和扩展阶段。ElevenLabs现在拥有350名员工，已经尝到了在这些阶段中导航所带来的成长痛苦。我问Mati关于这种演变中最大的挑战是什么。他的回答是：
"在早期，每个人都凭借热情和直觉行事。但随着我们的扩大，一点变得显而易见——建立一个真正的机器意味着设计正确的激励机制。"
Mati讲述了最近的一次转变，这次转变的动机是观察到"配额和佣金是滞后指标，战略是领先指标"。进一步解释，Mati谈到了最近的一次谈判，这次谈判本可能让一个主要的基金实验室在演示中许可和分发ElevenLabs的语音模型。对于参与该交易的销售团队来说，这将带来一笔可观的佣金。但从公司整体战略角度来看，这可能不是最好的举措：众所周知，这是一个竞争极其激烈的领域。
因此，Mati提出了一个可能被认为是非正统的解决方案：即使交易被取消，销售团队仍然可以获得佣金。有时，放弃短期收入收益以保持研究和模型的专有性是更明智的选择。
当ElevenLabs在创意领域起步时，环境对那些推销自己用于生产的生成模型并不一定友好。ElevenLabs选择了合作而非颠覆。Mati描述了他与艺术家、制作人和唱片公司一起花时间深入了解他们的优先事项和激励机制。他想了解AI如何增强而非替代创意工作。这意味着向Jarre这样的人物学习AI在制作过程中在哪些方面增加价值，以及哪些方面的人类表达应该保持不变。
这一理念引领了语音市场，在那里创作者可以克隆、授权和将他们的声音货币化。Mati分享说，他们现在拥有近10,000个声音，并已向社区回馈了1000万美元。最早的声音之一，一种在西班牙最初表现不佳的低沉西班牙语调，一旦以英语形式提供，就成为了全球前三的声音之一。这个市场将人才发现转变为一个全球性的、多语言的现象。
这是AI如何将声音作为媒介提炼的一个很酷的例子：在之前的时代，那个人的声音将被限制在他自己的语言中。如今，声音更像是可以在任何语言中"运行"的软件。
ElevenLabs将同样的方法应用于音乐，与四大唱片公司中的所有主要唱片公司以及Kobalt等其他唱片公司合作，构建了一个授权音乐模型。"我们花了18个月的时间才找到一个可行的协议，"Mati说。在每一步中，透明度和参与度都是关键。ElevenLabs花时间与艺术家和唱片公司成员一起工作，以揭开技术的神秘面纱，避免"AI是坏的"的条件反射。结果在生成式AI中是罕见的：一家公司与创意产业共同构建未来，而不是推倒其过去。
当一家公司开始从消费者扩展到企业时，每个人对时间和紧迫感的感知都会发生一些有趣的变化：高风险交易和客户的数量开始加速增长，但实际的销售周期和部署时间可能跨越数月。虽然从创作者那里听取关于语音模型的反馈可能在几分钟内就能完成，但与大型客户的迭代需要更长的时间。你需要开始习惯快速模式和慢速模式。
当ElevenLabs推出时，他们收到了大量来自企业的入站请求。当时组织主要由工程师和研究人员组成，几乎没有销售人员。这导致了一个暂时的失误，Mati让工程师（我们知道他们在组织中并不总是最具销售导向的人）处理销售。据Mati所说，"一开始我们认为可以用工程师完成所有工作——没有销售人员，只有产品。"
这种理想主义的方法很快就遇到了现实。Mati决定投资于80%销售和20%工程的分工角色。这成为更好地了解客户、了解他们关心什么，然后主动构建解决这些需求的产品的重要方式。
为了服务于医院、电信公司和全球媒体平台，公司不得不构建不仅仅是模型，还有管道和集成。今天，ElevenLabs的语音和代理平台为医疗保健、客户体验和娱乐领域的应用提供支持，将最初作为创作者工具的东西转变为强大的企业级堆栈。
"做一个演示很容易，但你如何真正将其构建到生产环境中？你如何测试它，做版本控制，评估，监控，基于结果进行微调？"
目前，ElevenLabs有大约20个由5-10人组成的产品团队，支持高速交付和企业级纪律。一些团队致力于已经找到产品市场契合点的垂直领域。对于这些团队，风险是明确的：给企业客户和较小的创作者提供高质量的体验，没有停机时间。但在ElevenLabs也有一些产品团队致力于较新的计划，他们更像是快速移动的微型创业公司。这些团队致力于尚未找到产品市场契合点的计划，风险更加存在：他们有六个月的时间证明产品能够引起共鸣并获得客户的牵引力，否则产品将被淘汰。
ElevenLabs的早期团队依靠产品迭代速度和创作者的即时反馈而蓬勃发展。相比之下，企业销售意味着漫长的周期和耐心。"我们团队中有些人从未在企业领域工作过：他们对等待六个月或十二个月才能看到结果持怀疑态度，"Mati承认道。"在早期阶段，我们不得不将他们与这种情况隔离开来，只是说，相信我们，这会奏效的。"
你知道吗？确实奏效了。
分享
"帖子"（包括播客、视频和社交媒体）中表达的观点是引用的个别a16z人员的观点，并不代表a16z Capital Management, L.L.C.（"a16z"）或其各自附属公司的观点。a16z Capital Management是在美国证券交易委员会注册的投资顾问。注册为投资顾问并不意味着任何特殊技能或培训。这些帖子并非针对任何投资者或潜在投资者，不构成出售要约——或购买任何证券的要约邀请，且不得用于评估任何投资的优劣或依赖于此。
此处内容——以及在任何相关分发平台和任何公开的a16z在线社交媒体账户、平台和网站（统称为"内容分发渠道"）上可获得的内容——不应以任何方式被解释为或依赖为投资、法律、税务或其他建议。您应就任何投资咨询您自己的顾问，了解法律、商业、税务和其他相关事宜。本材料中表达的任何预测、估计、预报、目标、前景和/或意见可能会在不通知的情况下发生变化，并且可能与他人表达的观点不同或相反。此处或a16z内容分发渠道上提供的任何图表仅供参考，在做出任何投资决定时不应依赖。此处的某些信息来自第三方来源，包括a16z管理的基金的投资组合公司。虽然这些信息来自被认为可靠的来源，但a16z并未独立验证这些信息，也不对信息的持久准确性或其对特定情况的适用性做出任何陈述。此外，帖子可能包含第三方广告；a16z未审查此类广告，也不认可其中包含的任何广告内容。所有内容仅在指定日期时有效。
在任何情况下，本网站上提供的任何帖子或其他信息——或相关内容分发渠道上——都不应被解释为招揽购买或出售a16z人员赞助、讨论或提及的任何集合投资工具中的任何证券或权益的要约。也不应将其解释为提供投资咨询服务的要约；投资于a16z管理的集合投资工具的要约将单独提出，且仅通过特定集合投资工具的保密发行文件——应全文阅读，且仅向符合联邦证券法规定的某些资格的人士提供。此类投资者，定义为合格投资者和合格购买者，通常被认为能够评估潜在投资和财务事项的优劣和风险。
不能保证a16z的投资目标将会实现或投资策略将会成功。对a16z管理的工具的任何投资都涉及高度风险，包括投资全部金额损失的风险。提及、引用或描述的任何投资或投资组合公司并不代表a16z管理的工具中的所有投资，且不能保证这些投资将会盈利或未来进行的其他投资将具有类似的特征或结果。a16z管理的基金所进行的投资清单可在此处查看：https://a16z.com/investments/。a16z的过去投资、集合投资工具或投资策略的结果不一定能指示未来结果。从此清单中排除的是那些发行方未允许a16z公开披露的投资（以及某些公开交易的加密货币/数字资产）。对于其在任何加密货币或代币项目中的投资，a16z是以自身金融利益行事，不一定符合其他代币持有者的利益。a16z在这些项目中没有特殊角色或对其管理的权力。除作为投资者和代币持有者外，a16z不承诺继续参与这些项目，其他代币持有者不应期望它会或依赖它有任何特定参与。
关于a16z在日本注册管理的基金，a16z将按照日本《金融工具和交易法》第63条的要求，向任何日本公众成员提供需要公开的文件副本。请联系[email protected]索取此类文件。
有关其他网站使用条款，请访问此处。关于a16z的其他重要信息，包括我们的Form ADV Part 2A手册，可在SEC网站查阅：http://www.adviserinfo.sec.gov
没有帖子