Polonya’dan küçük bir girişim nasıl milyar dolarlık yapay zeka şirketi oldu?

Polonya’daki dublajlı filmlerin hep berbat olduğu söylenir. Tek bir lektör tüm diyaloğu uyuşuk bir Slav tekdüzeliğiyle okuyor. Seslendirme kadrosu yok. Konuşmacılar arasında hiçbir ton farkı yok. Genç izleyiciler bundan nefret ediyor. Yapay zeka ses şirketinin kurucusu ElevenLabs’in kurucu ortağı Mateusz Staniszewski, “Herhangi bir Polonyalıya sorun, size bunun korkunç olduğunu söyleyecektir. Sanırım komünist dönemden kalma, içerik üretmenin ucuz bir yolu olarak yapışıp kalan bir şeydi” diyor. 

Palantir’de çalışırken, Staniszewski lise arkadaşı ve Google mühendisi Piotr Dabkowski ile yapay zeka üzerine denemeler yapmak üzere bir araya geldi. İkili, özellikle umut verici bir yapay zeka hitabet koçunun, Leonardo DiCaprio veya Scarlett Johansson’un, Maciej Gudowski gibi yıldız bir lektör tarafından hissizleştirilmesi şeklindeki Polonya’ya özgü kabusu çözebileceğini fark etti.

İşten ayrılıp birikimleriini birleştirdiler

İkili birikimlerini birleştirdi ve 2022 Mayıs’ına gelindiğinde işlerinden ayrılarak ElevenLabs üzerinde tam zamanlı çalışmaya başladı. İlk andan itibaren, yeni yapay zeka metinden sese dönüştürücüleri Apple’ın Siri’si ve Amazon’un Alexa’sının robotik seslerinden katbekat iyiydi. ElevenLabs’in yapay zeka sesleri mutluluk, heyecan hatta kahkaha bile sergileyebiliyordu.

Modelleri 29 dilde konuşabiliyor

Ocak 2023’te ElevenLabs ilk modelini piyasaya sürdü. Bu model, herhangi bir metni alıp herhangi bir sesle (kendi sesinizin bir klonuyla bile) okuyabiliyordu. Anında uygulamaya talep gelmeye başladı. Yazarlar yazılı eserlerinden anında sesli kitaplar oluşturabildi (profesyonel paketler artık daha yüksek kalite ve süre için ayda 99 dolardan başlıyor). YouTube içerik üreticileri videolarını diğer dillere çevirmek için ElevenLabs’i kullandı (modelleri artık 29 dilde konuşabiliyor). Varşova ve Londra merkezli girişim dil öğrenme ve meditasyon uygulamalarıyla anlaşmalar imzaladı; ardından HarperCollins ve Almanya’nın Bertelsmann’ı gibi medya şirketleri devreye girdi. Mayıs 2023’teki 19 milyon dolarlık turun eş liderlerinden Andreessen Horowitz yatırımcısı Jennifer Li, “En iyi model olduğu apaçıktı ve herkes bunu alıyordu" dedi. 

Kötü amaçla kullananlar arttı

Bir yıl sonra, kurucular Forbes 30 altı 30 Avrupa listesine girdi. Ancak diğerleri daha tedirgin edici kullanım alanları buldu: ABD Başkanı Donald Trump’ın video oyunu düellolarını kaba bir üslupla anlattığı yapay zeka ses benzerleri, aktris Emma Watson’ın Mein Kampf okuması, podcastçi Joe Rogan’ın dolandırıcılıkları övmesi gibi içerikler hızla viral oldu. Daha da kötüsü, dolandırıcılar yapay zeka ses klonlama araçlarını sevdiklerinin seslerini taklit ederek milyonlarca dolar çalmak için kullanmaya başladı.

6,6 milyar dolar değerleme

Hiçbiri girişim sermayedarlarının para dökmeyi bırakmasına neden olmadı. ElevenLabs toplamda 300 milyon doların üzerinde yatırım aldı; ekim ayında değerlemesi 6,6 milyar dolara fırlayarak Avrupa’nın en değerli girişimlerinden biri haline geldi. CEO rolünü üstlenen (şirketin geleneksel unvanları yok) 30 yaşındaki Staniszewski ve araştırma sorumlusu Dabkowski, Forbes tahminlerine göre artık kişi başı 1 milyar doların biraz üzerinde servete sahip iki milyarder.

Gelirinin yarısı kurumsal şirketlerden

ElevenLabs’in son 12 ayda elde ettiği 193 milyon dolarlık gelirin yaklaşık yarısı Cisco, Twilio ve İsviçreli işe alım ajansı Adecco gibi kurumsal müşterilerden geliyor; bu şirketler müşteri hizmeti aramalarını karşılamak veya iş adaylarını mülakat yapmak için ElevenLabs’in teknolojisini kullanıyor. Epic Games ise Fortnite’taki karakterlere ses vermek için kullanıyor; buna James Earl Jones’un mirasçıların izniyle yapılan Darth Vader diyaloğu da dahil. Gelirin diğer yarısı ise erken benimseyen YouTuber’lar, podcastçiler ve yazarlardan geliyor. Ayrıca çoğu yapay zeka firmasının aksine ElevenLabs karlı. Son 12 ayda tahminen 116 milyon dolar (yüzde 60 marj) net kar elde etti.

Artık Google, Microsoft, Amazon ve OpenAI gibi devlerle yapay zekanın fiili sesi olmak için yarışıyor. Bu yeni bir alan değil: Teknoloji şirketleri yaklaşık on yıl önce dinleyen, transkribe eden ve konuşma üreten ürünler geliştirmeye başlamıştı. Microsoft için bu biraz yan uğraş olsa da Satya Nadella, Mart 2022’de Nasdaq’ta işlem gören ses transkripsiyon hizmeti Nuance’ı satın almak için 20 milyar dolar ödemeye razı olmuştu. OpenAI ise insan konuşmalarını ChatGPT’ye aktarabilen kendi ses aracını Ekim 2024’te piyasaya sürdü.

“OpenAI’dan önde olduğumuz çok az alandan biriyiz"

Ancak ElevenLabs’in 300 kişilik ekibi yetişmeye çalışan konumunda değil. Modelleri o kadar iyi ki Amerikalı rakiplerinden üç kat daha fazla ücret talep edebiliyor. İnsan sesi gibi ürpertici derecede gerçek duran 10 bin seslik kütüphanesi açık ara en büyüğü ve artık Michael Caine ile Matthew McConaughey gibi A-list ünlüleri de içeriyor. Ayrıca daha güvenilir. Veri eğitimi girişimi Labelbox, en iyi altı ses modelini bir okuma testiyle karşılaştırdı ve ElevenLabs’in en yakın rakibi OpenAI’den iki kat daha az hata yaptığını buldu. Staniszewski, “OpenAI’dan önde olduğumuz çok az alandan biriyiz. Sadece konuşmada değil, konuşmadan metne ve müzikte de. Bu zor" diyor. ElevenLabs’in tarifi basit: Dar bir probleme obsesif şekilde odaklanan küçük bir makine öğrenimi araştırmacısı kadrosu ve sıkı bir bütçe (kurucular ilk 100 bin dolarlık eğitim çalışmasını ceplerinden karşıladı) model atılımlarını sağladı. 

Fakat iki sesli kitap anlatıcısının açtığı dava başka bir soruna işaret ediyor. Karissa Vacker ve Mark Boyett, ElevenLabs’in modellerini eğitmek için binlerce telif hakkı korumalı sesli kitabı kullandığını iddia ediyor. O kadar çok kitaplarının alındığını söylüyorlar ki, seslerinin klonları ElevenLabs’te varsayılan seçenekler arasında yer almış. ElevenLabs’in suçlamaları reddettiği dava kasım ayında mahkeme dışında çözüldü. Taraflar konuyla ilgili yorum yapmayı reddetti.

Yanlış kullanımları tespit için çalışıyorlar

Artık olgunluk dönemi başlıyor. Şirket, 2024 Demokratik ön seçimleri sırasında bir otomatik arama kampanyasında Joe Biden’ın sesinin klonu kullanılarak seçmenleri oy vermekten caydıran bir olaydan sonra nihayet “yasaklı” seslerin listesini oluşturdu (çoğunlukla politikacılar ve ünlüler). ElevenLabs artık yanlış kullanım için klipleri tarayan yedi tam zamanlı moderatöre sahip. Yeni klonlanan sesler bir onay kontrolünden geçmek zorunda ve şirket ücretsiz bir deepfake dedektörü sunuyor.

Staniszewski ve Dabkowski’nin sesin ötesinde büyük planları var. Hem maddi imkanları kısıtlı içerik üreticileri hem de bütçe dostu medya şirketleri telifsiz arka plan müziği istiyordu, onlar da ağustos ayında bir yapay zeka müzik üreticisi geliştirdi. Video çekmeye zamanın mı yok? ElevenLabs, gelecek yıl Sora tarzı videolara öncülük edecek yapay zeka avatarlarına sahip olacak. En iddialı hamleleri ise uzmanlıklarını müşterilerin tüm yapay zeka araçlarını yönetebileceği tek bir merkez sunmaya çevirebilmek. 

Elbette bu, ElevenLabs’i aynı şeyi yapmayı uman başka bir sürü girişimle çarpışma rotasına sokuyor. Karlı olarak başlamış olması avantaj sağlasa da rakip girişimler bolca fonlanmış durumda ve teknoloji devlerinin kaynakları neredeyse sınırsız. Yine de yenilik şart. Ses modelleri yakında sıradanlaşacak. Diğer modeller yetiştiğinde, ElevenLabs’in fiyatlandırmasından şimdiden yakınan müşteri kitlesi muhtemelen başka modellere geçecek.

Sesin ötesine geçip daha fazla hesaplama gücü isteyen müzik ve video alanına genişledikçe, ElevenLabs’in yarışta kalmak için kendi GPU çiftliklerini büyütmesi gerekiyor. Oregon’da bir veri merkezi projesine şimdiden 50 milyon dolar harcadılar.