ElevenLabs: Μέσα στη γεννήτρια φωνής τεχνητής νοημοσύνης αξίας 11 δισεκατομμυρίων δολαρίων

Έχετε ακούσει το ElevenLabs. Απλώς δεν το ξέρατε. Ο αφηγητής σε μια επεξήγηση στο YouTube, ο μεταγλωττισμένος διάλογος σε μια ξένη ταινία, η φωνή στην άλλη άκρη μιας γραμμής υποστήριξης: άφθονο από αυτό το ηχητικό υλικό παράγεται τώρα, και άφθονο από αυτό τρέχει σε μια εταιρεία που οι περισσότεροι άνθρωποι εκτός τεχνολογίας δεν μπορούν να κατονομάσουν. Το ElevenLabs δημιουργεί φωνές τεχνητής νοημοσύνης. Τον Φεβρουάριο του 2026 συγκέντρωσε χρήματα με αποτίμηση 11 δισεκατομμυρίων δολαρίων για να κάνει ακριβώς αυτό. Δύο φίλοι από την Πολωνία το ξεκίνησαν το 2022, και σήμερα η γεννήτρια φωνής τεχνητής νοημοσύνης βρίσκεται μέσα σε εφαρμογές που χρησιμοποιούνται από περισσότερα από ένα δισεκατομμύριο ανθρώπους. Τι κάνει λοιπόν στην πραγματικότητα, πόσο κοστίζει το 2026, και γιατί το πλήθος ασφαλείας χάνει τον ύπνο του για αυτό;

Τι κάνει η ElevenLabs: Φωνές τεχνητής νοημοσύνης και πολλά άλλα

Ξεκίνησε ως ένα ταπεινό εργαλείο μετατροπής κειμένου σε ομιλία. Τώρα είναι ένα πλήρες ηχητικό σύνολο και οι φωνές είναι μόνο το μέρος που παρατηρείτε πρώτο. Το εύρος των υπολοίπων είναι αυτό που δικαιολογεί την τιμή. Οι δύο ιδρυτές προσέγγισαν το πρόβλημα από περίεργες οπτικές γωνίες: ο Piotr Dabkowski ήταν μηχανικός μηχανικής μάθησης στην Google, ο Mati Staniszewski ήταν στρατηγικός σύμβουλος στην Palantir. Η κοινή τους απογοήτευση ήταν απλή. Η συνθετική ομιλία τότε μπορούσε να προφέρει λέξεις αλλά όχι να τις ερμηνεύσει. Διόρθωσε αυτό, σκέφτηκαν, και όλα τα άλλα ακολουθούν. Τα περισσότερα από αυτά που προσφέρει η εταιρεία εξακολουθούν να προέρχονται από αυτό το ένα στοίχημα.

Κείμενο σε ομιλία και ζωντανές φωνές τεχνητής νοημοσύνης

Ξεκινήστε με τον πυρήνα: μετατρέπει το γραπτό κείμενο σε προφορικό ήχο. Το νεότερο μοντέλο, Eleven v3 , κυκλοφόρησε τον Ιούνιο του 2025. Διαβάζει περισσότερες από 70 γλώσσες και δέχεται ενσωματωμένες ετικέτες όπως [ψίθυροι] ή [γέλια], ώστε να μπορείτε να κατευθύνετε την παράδοση γραμμή προς γραμμή. Χρειάζεστε ταχύτητα; Ένα ελαφρύτερο μοντέλο που ονομάζεται Flash ανταλλάσσει μια μικρή βελτίωση με σχεδόν άμεση απόδοση, η οποία έχει σημασία για τις εφαρμογές live. Το αποτέλεσμα είναι πραγματικά ρεαλιστικό. Αυτός είναι ο λόγος για τον οποίο οι δημιουργοί καταφεύγουν στο ElevenLabs για φωνητικές εντολές, podcast και αφήγηση σε βίντεο τεχνητής νοημοσύνης, όπου μια ρομποτική ανάγνωση θα έλυνε τα μάγια.

Αυτό που κάνει την έκδοση 3 να ξεχωρίζει είναι ο έλεγχος. Οι παλαιότερες μηχανές διαβάζουν τα πάντα με τον ίδιο άτονο τόνο. Όχι αυτή. Σημειώστε μια πρόταση που θα ψιθυριστεί, θα βιαστεί να ειπωθεί ή θα εκφωνηθεί με έναν αναστεναγμό και ένα μόνο μπλοκ κειμένου αρχίζει να αποδίδει πραγματικά. Την πρώτη φορά που το ακούτε να εκπέμπει μια σαρκαστική ατάκα, είναι λίγο ανησυχητικό. Η παλαιότερη έκδοση 2 με πολλά γλωσσικά στοιχεία καλύπτει ακόμα 29 γλώσσες και παραμένει η προεπιλογή για μακρά, σταθερή αφήγηση, όπου η συνέπεια ξεπερνά κάθε όριο.

Κλωνοποίηση φωνής, μεταγλώττιση και πολύγλωσσος ήχος

Δύο λειτουργίες το κάνουν να ξεφεύγει από την απλή αφήγηση. Η πρώτη είναι η κλωνοποίηση φωνής. Τροφοδοτήστε του ένα σύντομο δείγμα και αντιγράφει μια συγκεκριμένη φωνή, είτε μια γρήγορη άμεση κλωνοποίηση από περίπου ένα λεπτό ήχου είτε μια πιο ευκρινή επαγγελματική. Η δεύτερη είναι η μεταγλώττιση με τεχνητή νοημοσύνη. Δώστε του ένα ολοκληρωμένο βίντεο και θα επαναδιατυπώσει ολόκληρο το βίντεο σε μια άλλη γλώσσα διατηρώντας παράλληλα τον τόνο του ομιλητή, έτσι ώστε η πολυγλωσσική τοπική προσαρμογή που σήμαινε ότι μια κράτηση στούντιο γίνεται με λίγα μόνο κλικ. Υπάρχει επίσης μια κοινόχρηστη βιβλιοθήκη φωνής, όπου οι χρήστες δημοσιεύουν και παραχωρούν φωνές ο ένας στον άλλον.

Το επαγγελματικό κλώνο είναι αυτό που ενδιαφέρει τα στούντιο. Δώστε του τριάντα λεπτά καθαρού ήχου και έναν έλεγχο συναίνεσης. Σε αντάλλαγμα, αποτυπώνει τον ρυθμό και την προφορά του πρωτότυπου τόσο πιστά που οι ηθοποιοί φωνής πλέον αδειοδοτούν τα δικά τους κλώνους και συλλέγουν ένα κομμάτι ενώ κοιμούνται. Το άμεσο κλώνο είναι πιο γρήγορο και πιο χαλαρό. Καλό για ένα γρήγορο πρωτότυπο, εύκολο να εντοπιστεί ως συνθετικό.

Scribe, μουσική τεχνητής νοημοσύνης και πράκτορες συνομιλίας

Η σουίτα λειτουργεί και προς την αντίθετη κατεύθυνση, από τον ήχο πίσω σε κείμενο. Το Scribe είναι το μοντέλο μετατροπής ομιλίας σε κείμενο. Μεταγράφει με ετικέτες ομιλητών και χρονικές σημάνσεις, και η έκδοση v2 χειρίζεται 99 γλώσσες ενώ παράλληλα επισημαίνει ποιος είπε τι με ακρίβεια περίπου 98%. Υπάρχει επίσης το Eleven Music, που προστέθηκε το 2025, το οποίο παράγει καθαρισμένα κομμάτια φόντου κατ' απαίτηση. Οι πράκτορες τεχνητής νοημοσύνης συνομιλίας προχωρούν ακόμη περισσότερο: συνδυάζουν την μετατροπή ομιλίας σε κείμενο, ένα γλωσσικό μοντέλο και την μετατροπή κειμένου σε ομιλία και ένα bot μπορεί να ακούει, να απαντά σε πραγματικό χρόνο και να τα μεταδίδει σε έναν άνθρωπο με μία απρόσκοπτη ροή. Ολοκληρώστε το με ηχητικά εφέ και έναν απομονωτή φωνής για τη διάσωση θορυβωδών ηχογραφήσεων.

Το Scribe είναι το σημείο όπου αυτή η πλατφόρμα δείχνει πραγματικό βάθος. Κάνει περισσότερα από το να δημιουργεί απλώς μια μεταγραφή. Προσθέτει ετικέτες σε ήχους που δεν είναι ομιλία, σηματοδοτεί χρονικές σημάνσεις σε επίπεδο λέξης και διαχωρίζει τα επικαλυπτόμενα ηχεία, γι' αυτό και οι podcasters και οι ερευνητές βασίζονται σε αυτό για να μετατρέψουν τις ακατάστατες ηχογραφήσεις σε κείμενο με δυνατότητα αναζήτησης και επεξεργασίας. Και η έκδοση 2 λειτουργεί περίπου 40% φθηνότερα από την πρώτη έκδοση. Ένα προϊόν τεχνητής νοημοσύνης γίνεται καλύτερο και φθηνότερο ταυτόχρονα; Αυτό είναι σπάνιο.

Πώς η ElevenLabs έγινε μια εταιρεία τεχνητής νοημοσύνης αξίας 11 δισεκατομμυρίων δολαρίων

Οι σελίδες του προϊόντος παραλείπουν το πιο τρελό κομμάτι: τα χρήματα. Κοιτάζοντας τη χρηματοδότηση, η ανάπτυξη σταματά να φαίνεται φυσιολογική. Στις αρχές του 2025, η ElevenLabs συγκέντρωσε μια χρηματοδότηση Series C ύψους 180 εκατομμυρίων δολαρίων που την αποτίμησε στα 3,3 δισεκατομμύρια δολάρια, με τους Andreessen Horowitz και ICONIQ Growth να είναι συν-επικεφαλής. Δεκατρείς μήνες αργότερα, η Sequoia ηγήθηκε μιας χρηματοδότησης Series D ύψους 500 εκατομμυρίων δολαρίων και η τιμή έφτασε τα 11 δισεκατομμύρια δολάρια. Τριπλάσια, σε ένα χρόνο, για την ίδια εταιρεία.

Τα έσοδα εξηγούν την όρεξη. Η ElevenLabs ξεπέρασε τα 330 εκατομμύρια δολάρια σε ετήσια επαναλαμβανόμενα έσοδα μέχρι το τέλος του 2025. Αυτό που κάνει τους επενδυτές να χάνουν την ψυχραιμία τους είναι ο ρυθμός. Είκοσι μήνες για να φτάσουν τα 100 εκατομμύρια δολάρια. Στη συνέχεια, 10 μήνες για να τα διπλασιάσουν. Στη συνέχεια, μόλις 5 μήνες για να φτάσουν τα 330 εκατομμύρια δολάρια. Κάθε γύρος είναι μικρότερος από τον προηγούμενο. Και σύμφωνα με την καταμέτρηση της εταιρείας τον Ιανουάριο του 2025, άτομα σε περισσότερες από το 60% των εταιρειών Fortune 500 είχαν ήδη αγγίξει την πλατφόρμα.

Σε πέντε γύρους, η ElevenLabs έχει συγκεντρώσει περίπου 781 εκατομμύρια δολάρια και οι ιδρυτές της έχουν συζητήσει ανοιχτά μια ενδεχόμενη δημόσια προσφορά. Αυτό που πείθει τους επενδυτές δεν είναι η εφαρμογή καταναλωτή, αλλά η υποδομή που βρίσκεται κάτω από αυτήν: κάθε εταιρεία που προσθέτει φωνή σε ένα προϊόν είναι ένας πιθανός πελάτης και η αγορά συνθετικής ομιλίας μόλις που υπήρχε πριν από τρία χρόνια. Το στοίχημα είναι ότι η φωνή θα γίνει μια προεπιλεγμένη διεπαφή όπως γινόταν η οθόνη αφής.

Τιμολόγηση ElevenLabs: δωρεάν και επί πληρωμή πακέτα

Μπορείτε να χρησιμοποιήσετε το ElevenLabs χωρίς να πληρώσετε και το δωρεάν πρόγραμμα είναι κάτι περισσότερο από ένα απλό teaser. Τα επί πληρωμή πακέτα σας αγοράζουν κυρίως περισσότερες μηνιαίες μονάδες, οι οποίες δαπανώνται καθώς δημιουργείτε ήχο, αντί να ξεκλειδώνετε εντελώς διαφορετικές λειτουργίες. Ακολουθεί η δομή 2026 .

Οι συντελεστές αντιστοιχούν περίπου στους χαρακτήρες του λόγου, επομένως ένα δωρεάν πρόγραμμα 10.000 μονάδων είναι αρκετό για λίγα λεπτά ήχου το μήνα. Το πρόγραμμα Creator στα 22 δολάρια είναι το πρακτικό σημείο εκκίνησης για όποιον δημοσιεύει τακτικά, και τα δικαιώματα εμπορικής χρήσης ισχύουν και για τα επί πληρωμή επίπεδα. Οι προγραμματιστές πληρώνουν ανά χρήση μέσω του API αντί για μια σταθερή μηνιαία χρέωση.

Πάνω από την κατηγορία Επιχειρήσεις, υπάρχει ένα προσαρμοσμένο επίπεδο Επιχειρήσεων με αποκλειστική υποστήριξη, υψηλότερα όρια τιμών και τους συμβατικούς όρους που απαιτούν οι περισσότεροι μεγάλοι αγοραστές. Το API μετράει με βάση τους χαρακτήρες που δημιουργούνται, επομένως μια εφαρμογή υψηλής επισκεψιμότητας πληρώνει αναλογικά με τη χρήση αντί να μαντεύει ένα πρόγραμμα εκ των προτέρων. Ένα πράγμα που πρέπει να προσέξετε είναι ότι οι μονάδες δεν μεταφέρονται, επομένως ένας αχρησιμοποίητος μήνας είναι χρήματα που μένουν στο τραπέζι.

Ποιος χρησιμοποιεί το ElevenLabs και για ποιο λόγο

Οι ενδιαφέροντες χρήστες δεν είναι χομπίστες που δημιουργούν καινοτόμα κλιπ. Είναι επιχειρήσεις που αντικαθιστούν τον χρόνο στο στούντιο. Οι εκδότες ηχητικών βιβλίων αφηγούνται ολόκληρους καταλόγους χωρίς να κάνουν κράτηση ηθοποιών. Οι YouTubers και οι δημιουργοί μαθημάτων προσθέτουν φωνές σε μια γλώσσα που δεν μιλούν. Τα στούντιο παιχνιδιών δίνουν τη φωνή τους σε δευτερεύοντες χαρακτήρες σε μεγάλη κλίμακα. Οι εφαρμογές προσβασιμότητας διαβάζουν τα άρθρα δυνατά μέσω της εφαρμογής ElevenReader. Τα τηλεφωνικά κέντρα λειτουργούν με εκπροσώπους συνομιλίας που απαντούν σε ερωτήσεις ρουτίνας πριν παρέμβει κάποιος άνθρωπος. Οι ομάδες τοπικής προσαρμογής μεταγλωττίζουν εκπαιδευτικά βίντεο για το παγκόσμιο προσωπικό.

Αυτή η εμβέλεια είναι ο λόγος για τον οποίο η αποτίμηση παραμένει σταθερή. Η εταιρεία λέει ότι το API της τροφοδοτεί προϊόντα που εξυπηρετούν συλλογικά περισσότερους από ένα δισεκατομμύριο χρήστες, με πελάτες όπως οι Meta, Epic Games και Salesforce. Για τους περισσότερους από αυτούς τους αγοραστές, η ElevenLabs είναι η υδραυλική εγκατάσταση: αόρατη υποδομή ήχου μέσα σε ένα προϊόν με άλλο όνομα στην πόρτα.

Μερικά παραδείγματα κάνουν την κλίμακα συγκεκριμένη. Η εφαρμογή ElevenReader διαβάζει άρθρα, PDF και ηλεκτρονικά βιβλία δυνατά με επιλεγμένη φωνή, η οποία έχει γίνει ένα πραγματικό εργαλείο προσβασιμότητας για άτομα με δυσλεξία ή χαμηλή όραση. Τα ειδησεογραφικά πρακτορεία δημιουργούν αυτόματα ηχητικές εκδόσεις γραπτών ιστοριών. Οι ανεξάρτητοι προγραμματιστές δίνουν σε χαρακτήρες που δεν είναι παίκτες ξεχωριστές φωνές που κάποτε χρειάζονταν έναν προϋπολογισμό ηχογράφησης που δεν είχαν. Το κοινό νήμα είναι ο ήχος παραγωγής που παλιά απαιτούσε στούντιο, ο οποίος τώρα προέρχεται από ένα πλαίσιο κειμένου.

Το πρόβλημα του deepfake και η ασφάλεια φωνής μέσω τεχνητής νοημοσύνης

Τόσο καλές φωνές αποτελούν επίσης όπλο. Η ElevenLabs το έμαθε αυτό με τον δύσκολο τρόπο. Τον Ιανουάριο του 2024, μια ψεύτικη αυτοματοποιημένη κλήση με τη φωνή του Προέδρου Μπάιντεν είπε στους ψηφοφόρους του Νιου Χάμσαϊρ να μην συμμετάσχουν στις προκριματικές εκλογές. Δεν ήταν στην πραγματικότητα αυτός, φυσικά. Η εταιρεία ασφαλείας Pindrop τράβηξε το βίντεο, το ανίχνευσε στην ElevenLabs και ανέφερε μια αντιστοίχιση 84% από τον ταξινομητή της. Η εταιρεία απαγόρευσε τον λογαριασμό πίσω από αυτό.

Αυτό το επεισόδιο έφερε στο φως το ζήτημα της ασφάλειας. Η ElevenLabs χρησιμοποιεί πλέον έναν Ταξινομητή Ομιλίας με Τεχνητή Νοημοσύνη (AI Speech Classifier) που ελέγχει εάν ένα απόσπασμα προήλθε από τα εργαλεία της, εμποδίζει την κλωνοποίηση ορισμένων δημόσιων προσώπων υψηλού κινδύνου και απαιτεί επαλήθευση ταυτότητας πριν από μια επαγγελματική κλωνοποίηση φωνής. Λειτουργεί πλήρως κάποιο από αυτά; Όχι. Η ανίχνευση πάντα καθυστερεί στην παραγωγή και ένας αποφασισμένος κακόβουλος δράστης μπορεί απλώς να πάει σε έναν πιο απρόσεκτο πάροχο. Ιδού, λοιπόν, η ειλικρινής ανάγνωση: η εταιρεία έχει κατασκευάσει γνήσια προστατευτικά κιγκλιδώματα γύρω από ένα εργαλείο που έχει διπλή χρήση εξαρχής και ο αγώνας μεταξύ της δημιουργίας ψεύτικων και της σύλληψής τους δεν έχει τελειώσει πουθενά.

Οι ρυθμιστικές αρχές το έχουν παρατηρήσει. Αρκετές πολιτείες των ΗΠΑ προχώρησαν στον περιορισμό των αυτοματοποιημένων κλήσεων που δημιουργούνται από την τεχνητή νοημοσύνη μετά το περιστατικό με τον Μπάιντεν, και η εταιρεία έχει συμμετάσχει στις εργασίες του κλάδου για το υδατογράφημα ήχου, ενσωματώνοντας σήματα που επιβιώνουν από τη συμπίεση και βοηθούν στην ανίχνευση ενός κλιπ στην πηγή του. Οι επικριτές αντιτείνουν ότι τα υδατογραφήματα μπορούν να αφαιρεθούν και ότι τα εθελοντικά μέτρα δεν υποκαθιστούν τον νόμο. Η ElevenLabs βρίσκεται σε μια αμήχανη αλλά ειλικρινή θέση: το πιο ικανό εργαλείο στην κατηγορία φέρει τη μεγαλύτερη ευθύνη να την αστυνομεύσει.

ElevenLabs έναντι άλλων γεννητριών φωνής AI

Η ElevenLabs θεωρείται ευρέως ως η κορυφαία γεννήτρια φωνής με τεχνητή νοημοσύνη σε θέματα ποιότητας, αλλά δεν είναι η μόνη επιλογή και δεν είναι πάντα η σωστή. Η επιλογή συνήθως εξαρτάται από το πόσο ρεαλισμό χρειάζεστε έναντι του πόσα θέλετε να ξοδέψετε.

Αν η προτεραιότητά σας είναι η μέγιστη δυνατή ανθρώπινη απόδοση και η ευρεία υποστήριξη γλωσσών, το ElevenLabs είναι δύσκολο να ξεπεραστεί — δεν έχω ακούσει ακόμα έναν ανταγωνιστή να ταιριάζει με την έκδοση 3 σε μια πραγματικά δύσκολη γραμμή. Αν θέλετε ένα φθηνό, απλό εργαλείο για ένα περιστασιακό εταιρικό βίντεο, ένας ανταγωνιστής μπορεί να σας εξυπηρετήσει καλύτερα με λιγότερα χρήματα.

Πώς να ξεκινήσετε με τις φωνές τεχνητής νοημοσύνης της ElevenLabs

Το πρώτο σας κλιπ από τη γεννήτρια φωνής AI ElevenLabs διαρκεί περίπου τρία λεπτά, από την αρχή μέχρι το τέλος. Δημιουργήστε έναν δωρεάν λογαριασμό. Ανοίξτε το εργαλείο ομιλίας και επιλέξτε μια φωνή, είτε από τη βιβλιοθήκη είτε από το δικό σας κλώνο. Επικολλήστε το κείμενό σας, επιλέξτε το μοντέλο και τη γλώσσα, πατήστε "Δημιουργία". Ακούστε ξανά. Εάν η απόδοση δεν σας φαίνεται σωστή, μετακινήστε τα ρυθμιστικά σταθερότητας και στυλ και δοκιμάστε ξανά και, στη συνέχεια, κατεβάστε το MP3. Αυτός είναι ολόκληρος ο βρόχος.

Οι προγραμματιστές παρακάμπτουν τον πίνακα ελέγχου και καλούν απευθείας το API με ένα κλειδί, μεταδίδοντας κείμενο και ένα φωνητικό αναγνωριστικό και λαμβάνοντας ήχο πίσω. Αυτός είναι ο τρόπος με τον οποίο αυτές οι εφαρμογές δισεκατομμυρίων χρηστών συνδέουν την ElevenLabs στα δικά τους προϊόντα.

Γιατί η ElevenLabs ηγείται της παραγωγής φωνής με τεχνητή νοημοσύνη

Η ElevenLabs πέρασε από ένα παράπλευρο έργο μεταγραφής σε μια πλατφόρμα 11 δισεκατομμυρίων δολαρίων ταχύτερα από σχεδόν οποιαδήποτε εταιρεία λογισμικού πριν από αυτήν, και οι φωνές είναι αρκετά καλές ώστε η διαφημιστική εκστρατεία να είναι ως επί το πλείστον κερδισμένη. Η δωρεάν έκδοση επιτρέπει σε οποιονδήποτε να δοκιμάσει αυτόν τον ισχυρισμό σε λίγα λεπτά. Αλλά ο ίδιος ρεαλισμός που κερδίζει πελάτες είναι ακριβώς αυτό που ανησυχεί τις ρυθμιστικές αρχές και τους ερευνητές ασφαλείας, και η αυτοματοποιημένη κλήση του Μπάιντεν δεν θα είναι το τελευταίο περιστατικό. Η τεχνολογία είναι εδώ και βελτιώνεται μηνιαίως. Το ανοιχτό ερώτημα είναι εάν οι κανόνες και τα εργαλεία ανίχνευσης μπορούν να συμβαδίσουν με τις φωνές που ήδη ξεγελούν τους περισσότερους ακροατές. Πού θα έβαζατε το όριο;

Mathis Curcio

Mathis Curcio is a senior content strategist and NFT specialist at Plisio. With over 5 years of experience in the Web3 space, Mathis focuses on the evolution of NFT ecosystems, digital collectibles, and decentralized ownership models. He creates accessible, insight-driven content that bridges the gap between blockchain innovation and mainstream adoption. His expertise spans NFT market trends, use cases across art and gaming, and the infrastructure powering next-generation tokenized assets.