AI语音的可能性，被彻底打开了

ElevenLabs 这家 AI 音频公司最近开始发力了。早上，看到他们的一条视频，我觉得 AI 语音的可能性现在被充分打开，废话不多说，咱们直接上视频：

太强了。这不就是我想要的真正的语音助手吗？这些年，我家里买过小度音箱、天猫精灵、小爱音箱，但基本上，这些所谓的智能音箱，能做的事情就是订个闹钟，播放音乐，查查天气，除此之外，再无其他可用的功能。

而对于我而言，每天早上起来，可能最想做的事情是看看今天有什么待办事项，小红书粉丝涨到多少了，Linear（我们团队在用的项目管理工具）上最新的任务是什么，X 上有什么最新的科技新闻。

如果能做到这些，我觉得智能音箱才能真正成为人们工作和生活的入口。

现在的天猫精灵等等产品，只能算一个大号玩具。

今天，ElevenLabs 发布了他们的 AI 语音助手平台 11ai，彻底刷新了我对语音助手的认知。它不仅仅是能“听懂”我们在说什么，更重要的是，它真的能帮我们做事。

比如说，早上我一句话：“帮我规划一下今天的待办，并把优先级高的任务加到 Linear 里。”它就能自动帮我梳理信息、同步到工具里，完全跳过了手动操作的繁琐环节。

更有意思的是，11ai 能直接串联 Perplexity、Slack、Notion 等常用工具。比如有客户会议需要准备，我只要说一句：“用 Perplexity 查查对方最近的融资情况，然后总结一下发到 Slack 工程组。”它就能自动帮我查、帮我写、帮我发，整个流程丝滑到不可思议。

怎么做到的呢？说起来也很简单。他们使用了 MCP 协议。目前，11ai 内置了Perplexity、Linear、Slack、Notion、Salesforce、HubSpot、Gmail、Zapier 等公司的 MCP Server，当然，也支持用户配置自己喜欢的 MCP Server。

通过 MCP，语音助手就可以方便的和外部各式各样的第三方应用打通。

目前 11ai 还在 alpha 阶段，免费开放体验。也许再过不久，AI 语音助手会真正成为我们生活和工作的入口，而不仅仅是个会说话的播放器。

国外 OpenAI、Anthropic 等头部模型公司，都不是特别重视语音的能力，虽然 Sam Altman 多次强调过ChatGPT中语音能力的重要性，而且据传OpenAI将开发硬件语音AI Agent，但目前他们并没有拿出让人眼前一亮的作品。

ElevenLabs，成立于 2022 年，专攻语音合成，目前已经是 AI 音频领域的明星公司。今年年初，ElevenLabs 完成 2.5 亿美元 C 轮融资，估值已突破 30 亿美元，核心投资方包括 a16z、红杉资本、ICONIQ Growth、Nat Friedman、Daniel Gross 等硅谷顶级机构和创业明星。

公司团队目前约 100 人，核心成员大多来自 Google、微软、亚马逊等大厂。

他们最新的模型是 Eleven v3，6 月初发布的，相比以往，v3 最大的变化是对情感和表达的控制能力提升了不少。用户可以通过简单的标签，让 AI 语音在一段话里自然地切换情绪，比如插入笑声、叹息、耳语，或者调整语气和节奏。

对于需要多角色对话、播客、有声书等场景，v3 也支持多人对话，每个角色的情感和语调都可以单独设置。

在语言覆盖上，v3 支持 70 多种语言，包括中文、英文、日语等主流语种，适用范围比上一代更广。不过，我测试了下，感觉他们在中文的表现方面不如豆包。英文效果还不错。

所以，现在回头看，感觉语音助手真的快到拐点了。MCP 协议把各种工具和数据彻底打通，AI 语音模型也越来越像真人，表达越来越自然。更进一步，我觉得这些能力除了被应用到类似智能音箱这样的产品中外，其实还可能是在为人形机器人做铺垫。

语音助手的可能性，要被打开了。