A ElevenLabs, co-fundada por Mati Staniszewski, é uma empresa de inteligência artificial que se destaca na criação de fala realista e dublagem em vários idiomas. Mati acredita que, em dois a três anos, a tradução de voz em tempo real será comum, com melhorias na preservação de emoções e tons. A tecnologia já funciona em áreas como suporte ao cliente e saúde, mas ainda enfrenta dificuldades em captar nuances emocionais e identificar falantes em ambientes barulhentos. A empresa já ajudou a facilitar a comunicação entre clientes e agentes que falam idiomas diferentes, embora a preservação do tom emocional ainda seja um desafio em situações complexas, como dublagens de eventos esportivos. A ElevenLabs está desenvolvendo um modelo que detecta interrupções e ajusta respostas em tempo real, com uma latência média de um a 1,2 segundos, enquanto a síntese de fala é feita em apenas 70 milissegundos. A empresa continua investindo em pesquisa e desenvolvimento para melhorar suas soluções.
A ElevenLabs, co-fundada por Mati Staniszewski, é uma empresa de inteligência artificial que se destaca na síntese de fala realista e dublagem multilíngue. Em entrevista, Mati afirmou que, em dois a três anos, a tradução de voz em tempo real será amplamente acessível, com melhorias na preservação de emoção e tom. A empresa já firmou parcerias com gigantes como o Google Cloud.
Mati destacou que a tecnologia atual já permite traduções em casos específicos, como suporte ao cliente e saúde, mas ainda enfrenta desafios na captura de nuances emocionais e na identificação de falantes em ambientes ruidosos. Ele acredita que a solução para a tradução em tempo real está próxima, com avanços significativos previstos para os próximos anos.
A ElevenLabs já implementou suas soluções em empresas, facilitando a comunicação entre agentes de atendimento e clientes que falam diferentes idiomas. No entanto, a preservação do tom emocional ainda é um desafio em situações mais complexas, como dublagens em tempo real de eventos esportivos.
Mati também mencionou que a empresa está desenvolvendo um modelo que detecta interrupções e ajusta as respostas em tempo real, visando reduzir a latência para conversas naturais. Atualmente, a latência média é de um a 1,2 segundos, com o modelo de síntese de fala alcançando apenas 70 milissegundos. A ElevenLabs continua a investir em pesquisa e desenvolvimento para aprimorar suas soluções.
Entre na conversa da comunidade