ElevenLabs — это платформа, где текст превращается в живую речь. Не в роботизированный голос из 2010-х, а в настоящий, с интонациями, паузами, эмоциями. Сарказм, шёпот, смех — всё это можно буквально прописать в тексте, и модель это воспроизведёт.
Внутри два больших продукта. ElevenCreative — творческая студия, где можно генерировать речь, музыку, звуковые эффекты и видео в одном редакторе. Есть и работа с изображениями: создание и редактирование через ведущие модели. Пишешь аудиокнигу, подкаст, рекламу или озвучку для игры — всё здесь, без переключения между десятком инструментов. Больше 10 000 голосов в библиотеке, плюс можно клонировать свой или создать новый по текстовому описанию. Поддержка 70+ языков — от английского до суахили.
ElevenAgents — это уже про автоматизацию. Настраиваешь голосового или текстового агента, который общается с людьми по телефону, в чате, по email или в WhatsApp — на 70+ языках с минимальной задержкой. Звучит как живой человек, понимает контекст и умеет выполнять реальные действия — например, оформить возврат. Есть аналитика, тесты, защитные правила поведения и интеграция с внешними системами.
Для разработчиков — отдельный разговор. Модель Eleven Flash обеспечивает задержку от 75 мс для разговорных сценариев, TTS API поддерживает 29+ языков. Для распознавания речи есть Scribe с лидирующей точностью ASR — а актуальные версии Scribe v2 и Scribe v2 Realtime позиционируются как наиболее точные на сегодняшний день. Музыкальный API поддерживает коммерческое использование. Всё это уже работает у Walt Disney Studios, Nvidia, Epic Games, Salesforce, Meta и ещё десятков крупных компаний.
ElevenLabs строит собственные фундаментальные модели — не перепаковывает чужие, а исследует и выпускает своё. Eleven v3, вышедший в июне 2025-го, стал на тот момент самой выразительной TTS-моделью компании. С тех пор вышли ещё Dubbing v2 и Music v2 (май 2026) — дубляж, который сохраняет эмоции оригинала на любом языке, и улучшенная музыкальная модель с более качественными вокалом и аранжировкой.
Блог