ElevenLabs-CEO: Stimme ist die nächste Schnittstelle für KI
Stimme als die nächste große Schnittstelle für KI
Der Mitbegründer und CEO von ElevenLabs, Mati Staniszewski, behauptet, dass Stimme als die nächste große Schnittstelle für KI aufkommt und grundlegend verändert, wie Menschen mit Maschinen interagieren, während sich Modelle über Text und Bildschirme hinaus entwickeln.
Fortschritte in der Stimmtechnologie
Bei einem Vortrag auf dem Web Summit in Doha erklärte Staniszewski gegenüber TechCrunch, dass Sprachmodelle, wie die von ElevenLabs entwickelten, über die bloße Nachbildung menschlicher Sprache hinausgegangen sind — einschließlich emotionaler Nuancen und Intonation — und harmonisch mit den Denkfähigkeiten großer Sprachmodelle arbeiten. Seiner Meinung nach markiert diese Entwicklung einen entscheidenden Wandel in der Art und Weise, wie Menschen mit Technologie umgehen.
Mit Blick in die Zukunft sagte Staniszewski: “Hoffentlich werden alle unsere Telefone wieder in unseren Taschen verschwinden, und wir können uns in die reale Welt um uns herum eintauchen, wobei Stimme der Mechanismus ist, der die Technologie steuert.”
Antrieb für die Branchenentwicklung
Diese Vision bildet die Grundlage für die jüngste 500-Millionen-Dollar-Finanzierungsrunde von ElevenLabs bei einer Bewertung von 11 Milliarden Dollar. Das Konzept der Stimme als primäre Schnittstelle gewinnt in der KI-Branche zunehmend an Bedeutung. Unternehmen wie OpenAI und Google legen großen Wert auf Stimme in ihren Modellen der nächsten Generation, während Apple durch Übernahmen wie Q.ai stillschweigend sprachnahe, immer aktive Technologien vorantreibt. Da KI zunehmend in Wearables, Fahrzeuge und andere Hardware integriert wird, verlagern sich Steuerungsmechanismen von bildschirmbasierten Interaktionen hin zu sprachgesteuerten Systemen, was die Stimme als ein zentrales Schlachtfeld für die nächste Welle der KI-Innovation positioniert.
Veränderung von Interaktionsparadigmen
Auf der Bühne des Web Summit betonte Seth Pierrepont, General Partner bei Iconiq Capital, diese Perspektive und erklärte, dass Bildschirme zwar für Spiele und Unterhaltung relevant bleiben, traditionelle Eingabemethoden wie Tastaturen jedoch zunehmend als “veraltet” wahrgenommen werden.
Pierrepont merkte außerdem an, dass sich mit zunehmender Agentenhaftigkeit von KI-Systemen die Art der Interaktion verändern wird. Zukünftige Modelle werden Leitplanken, Integrationen und Kontextbewusstsein einbeziehen, wodurch sie mit minimalen expliziten Benutzeraufforderungen reagieren können.
Die Rolle von persistentem Speicher und Kontext
Staniszewski hob diese agentenbasierte Verschiebung als eine der bedeutendsten Änderungen hervor. Er erklärte, dass zukünftige Sprachsysteme anstatt von Benutzern zu verlangen, jede Anweisung explizit auszusprechen, persistenten Speicher und angesammelten Kontext nutzen werden, um natürlichere und mühelosere Interaktionen zu ermöglichen.
Diese Veränderung, fügte er hinzu, wird beeinflussen, wie Sprachmodelle eingesetzt werden. Während qualitativ hochwertige Audiomodelle historisch auf Cloud-basierte Verarbeitung angewiesen waren, bewegt sich ElevenLabs in Richtung eines hybriden Ansatzes, der Cloud- und Geräteverarbeitung kombiniert. Diese Strategie zielt darauf ab, aufstrebende Hardware wie Kopfhörer und andere Wearables zu unterstützen, bei denen Stimme ein ständiger Begleiter und nicht nur eine gelegentliche Funktion wird.
Erweiterung von Partnerschaften und Anwendungen
ElevenLabs arbeitet bereits mit Meta zusammen, um seine Sprachtechnologie in Produkte wie Instagram und Horizon Worlds, die Virtual-Reality-Plattform von Meta, zu integrieren. Staniszewski zeigte auch Interesse daran, mit Meta an deren Ray-Ban-Smartglasses zu arbeiten, da sprachgesteuerte Schnittstellen in neue Formfaktoren vordringen.
Datenschutz- und ethische Bedenken
Da Sprachtechnologie immer allgegenwärtiger wird und in Alltagsgeräte eingebettet ist, wirft sie erhebliche Bedenken hinsichtlich Datenschutz, Überwachung und dem Umgang mit persönlichen Daten auf. Die Nähe sprachbasierter Systeme zum Leben der Nutzer verstärkt diese Risiken, insbesondere angesichts bestehender Vorwürfe gegen Unternehmen wie Google wegen des Missbrauchs solcher Daten.
