บริษัท Elevenlabs คือ บริษัทซอฟต์แวร์ที่โฟกัสเรื่องการพัฒนา ซอฟต์แวร์ด้านการสังเคราะห์เสียงพูดให้ฟังเป็นธรรมชาติ โดยใช้ Deep Learning ให้เสียงนั้นดูเป็นธรรมชาติเหมือนคนพูดจริง

ผู้ก่อตั้งคือ Mati Staniszewski (CEO) และเพื่อนสนิท Piotr Dąbkowski (CTO) (ชาวโปแลนด์) ตั้งบริษัทปี 2565

พวกเขาโตมากับการดูหนังต่างประเทศที่ ต้องพากย์เสียงทับตลอด แต่ปัญหามากกว่านั้น คือ พากย์ไม่เนียน เสียงไม่เหมือน, อารมณ์หาย, น้ำเสียงไม่ตรงหน้า, ตัวละครไม่อิน เรื่องที่ควรขนลุก ก็เป็นเฉย ๆ รวมถึงความเป็นตัวตน ของนักแสดงก็หายไปทั้งก้อน เพราะเสียงพากย์ไม่ใช่เขาเลย รวมถึงภาษาและเสียง…กำลังเป็นกำแพงของการเข้าถึงคอนเทนต์ของทั้งโลก

แรงบันดาลใจในการสร้าง StartUp

  • วันหนึ่งพวกเขากลับมามองปัญหาเดิมตอนเด็กอีกครั้ง แต่ครั้งนี้มันไม่ใช่แค่ รำคาญหนังพากย์ห่วยแล้ว…มันเป็น Insight ใหญ่ มาสร้างเป็นบริษัท StartUp
  • พอปี 2565-66 เทคเริ่มเอื้อ พวกเขาตัดสินใจ ลองแก้ Pain Point จริง ตั้งเป้าหมายว่า ไม่ใช่แค่ทำ TTS ให้พูดได้ แต่ต้องทำให้ เสียง มีบริบทและ มีอารมณ์ จนคนฟังเชื่อ เพื่อทำให้คอนเทนต์ เข้าถึงได้ในทุกภาษา/ทุกเสียง และลดกำแพงภาษาแบบที่มนุษย์ทำมือไม่ไหว

ตอนเริ่มต้นก็คิดถึง เรื่อง ทางเลือกการหาเงินทุนหลายแบบ รวมถึงความเป็นไปได้ที่จะไปทำงานร่วมกับ Startup Accelerator

เดือนมกราคม ปี 2566 พวกเขาเปิดเผยว่าได้ ระดมทุนก่อน Seed มูลค่า 2 ล้านดอลลาร์สหรัฐฯ มาแล้ว ตอนนั้นยังเป็นสายที่เพิ่งเริ่มและถือว่า ใหม่ในยุโรป มีส่วนสำคัญมากที่ทำให้นักลงทุนสนใจ และ

เปิดตัว Elevenlabs แพลตฟอร์ม Beta ช่วง ม.ค. 2566 และวาง Mission คือ ทำให้ Speech เป็นมาตรฐานใหม่ของปฏิสัมพันธ์ดิจิทัล (Voice-First Interaction)

หลังเปิดตัว ElevenLabs โตเร็วมาก และถูกชมเรื่องคุณภาพเสียงที่ดี, สร้างเสียงได้ไว, และมี generous free tier

นอกจากนี้ยังถูกชมเรื่อง การออกเสียงชื่อที่มีการออกเสียงเฉพาะหรือไม่ค่อยพบได้อย่างแม่นยำ ซึ่งเป็นจุดที่เครื่องมือคล้าย ๆ กันมักพลาด

เพราะมักโฟกัสชื่อแบบตะวันตกเป็นหลัก บริษัทมีผู้ใช้ลงทะเบียนเกิน 1 ล้านคน

การต่อสู้ที่หนักสุด คือ ความเสี่ยงการปลอมเสียง/บิดเบือนข้อมูล (misuse) ที่ตามมาทันที

  • สิ่งที่บริษัท Elevenlabs สู้ คือ การทำให้แพลตฟอร์มใช้งานได้กว้าง แต่ลดการนำไปใช้หลอกลวง โดยมีแนวทางอย่าง
    • นโยบายห้าม impersonation ที่เป็นอันตราย/หลอกลวง + moderation ทั้งระบบและคน
    • เครื่องมือ ตรวจสอบว่าเสียงถูกสร้างด้วย ElevenLabs หรือไม่ (แนวคิดเรื่องลายเซ็น/การตรวจแหล่งที่มา) และการอ้างอิงมาตรฐานติดตามคอนเทนต์ เช่น C2PA
  • Elevenlabs ต่อสู้เรื่อง Trust ตั้งแต่ต้น เพราะรู้ว่า เสียงปลอม เป็นระเบิดเวลาของตลาดนี้ จึงลงทุนด้าน safety/ตรวจสอบแหล่งที่มาเร็ว

เส้นทางสู่ Unicorn: โตด้วยคุณภาพ + use case ที่จับต้องได้

  1. Series A มูลค่า $19M (มิ.ย. 2566) เพื่อเร่ง R&D และผลิตภัณฑ์ด้านเสียง
  2. Series B มูลค่า $80M (ม.ค. 2567) ทำให้บริษัทถูกมองว่าเข้าโซน Unicorn แล้ว (มูลค่ามากกว่า $1B ตามรายงาน)
  3. Series C มูลค่า $180M (ประกาศ 30 ม.ค. 2568) co-led โดย a16z และ ICONIQ Growth พร้อมผู้ร่วมอย่าง Sequoia, NEA, Salesforce Ventures ฯลฯ ที่ valuation $3.3B
  4. Series D ในวันที่ 4 กุมภาพันธ์ 2569 ระดม $500M → มูลค่า $11B

ตลาดเริ่มมองว่า เสียง คือ Infrastructure ใหม่ของโลกดิจิทัล

Timeline การปล่อย Product ของ Elevenlabs

  1. 20 มิถุนายน 2566 AI Speech Classifier ปล่อยเครื่องมือเช็กว่า ไฟล์เสียงนี้ถูกสร้างจาก ElevenLabs หรือเปล่า
  2. กรกฎาคม 2566 ประกาศ และกันยายน 2566 ปล่อยจริง Projects เครื่องมือทำงานเสียงแบบยาว ๆ เช่น audiobook / บทพูดหลายช่วง ให้ทำเป็นโปรเจกต์ได้
  3. สิงหาคม 2566 ขยายรองรับหลายภาษา (28 languages) + ออกจากสถานะ beta ทำให้การสร้างเสียงข้ามภาษา เริ่มเป็นของจริงมากขึ้น
  4. ตุลาคม 2566 AI Dubbing (Voice Translation Tool) แปลเสียงพูด เป็นหลายภาษา โดยพยายามรักษาโทนเสียง/อารมณ์ของคนเดิม
  5. พฤษภาคม 2567 เผยตัวอย่าง Text-to-Music (ยังไม่เปิดให้ใช้ทั่วไป)
  6. มิถุนายน 2567 ElevenLabs Reader App (iOS/Android) แปลงบทความ/ไฟล์อ่าน (เช่น PDF, ePub) ให้กลายเป็นเสียงฟังได้บนมือถือ
  7. กรกฎาคม 2567 Voice Isolator เครื่องมือช่วยตัดเสียงรบกวน/ ดึงเสียงพูดให้ชัดขึ้น
  8. พฤศจิกายน 2567 Conversational AI (voice agents platform) เริ่มดัน จากอ่านออกเสียง สู่ คุยโต้ตอบได้ สำหรับคนทำระบบ/บริการลูกค้า
  9. กุมภาพันธ์ 2568 แพลตฟอร์มทำและเผยแพร่ AI audiobooks บน Reader app
  10. กุมภาพันธ์ 2568 Scribe (speech-to-text) เพิ่มฝั่งถอดเสียงเข้า Ecosystem (จากเดิมเน้นสร้างเสียง)
  11. 6 มิถุนายน 2568 Eleven v3 (TTS รุ่นใหม่) รองรับ 70+ ภาษา รวมถึงไทยและทำบทสนทนาหลายคนได้เนียนขึ้น พร้อมแท็กอารมณ์/วิธีพูดบางแบบ
  12. 6 สิงหาคม 2568 Eleven Music (AI music generator) ขยายจากเสียงพูด สู่ เพลง และสื่อสารว่าใช้เชิงพาณิชย์ได้
  13. 15 กันยายน 2568 Elevenlabs เปิดตัว Elevenlabs Productions
  14. 11 พฤศจิกายน 2568 Elevenlabs เปิดตัว Scribe V2 Realtime เครื่องมือแปลง เสียงพูดเป็นข้อความ แบบสด ๆ ทั้งเร็วและแม่น
  15. 17 พฤศจิกายน 2568 Elevenlabs ลงสนามเปิดตัว Image & Video พื้นที่ให้เราทำงานภาพ+เสียง+วิดีโอ
  16. 2 กุมภาพันธ์ 2569 Eleven V3 ออกจาก Alpha พร้อมใช้งานเต็มรูปแบบ

3 ข้อที่ผู้บริหาร นักธุรกิจได้ประโยชน์และพัฒนาธุรกิจต่อ

  1. Unicorn ไม่ได้เริ่มจาก Tech
    • เริ่มจาก Pain Points ของคน ไม่ใช่เรื่องเล็ก แต่คือ ความหมายและอารมณ์ที่หายไป เมื่อคนเข้าถึงคอนเทนต์ข้ามภาษา
  2. ทำให้ของเดิมดีขึ้น 10 เท่า แล้วตลาดจะเปิดเอง
    • ถ้าเสียงยังไม่ธรรมชาติ คนไม่ใช้ แต่พอเสียงเหมือนคนจริง → ครีเอเตอร์ใช้ก่อน → องค์กรตามมา
  3. โตเร็วได้ ต้องรับผิดชอบกับความเสี่ยงตั้งแต่วันแรก
    • เสียงเหมือนคนจริง = มีทั้งคุณค่าและความเสี่ยง บริษัทที่ไปได้ไกล คือ บริษัทที่สร้างความเชื่อใจ ควบคู่ไปกับการโต

ข้อสรุป:

ElevenLabs ไม่ได้ขายเสียง AI อย่างเดียว เขากำลังทำให้เสียง เป็นเครื่องมือมาตรฐานใหม่ สำหรับคอนเทนต์, การสื่อสาร และการทำธุรกิจในอนาคต

Source:

Blog Elevenlabs, Wikipedia, Techcrunch