ElevenLabs近日正式公布面向企业的AI模型定制化服务,包括支持企业数据微调的功能以及名为“Interaction Engine”的交互式对话管理系统。该系统在11日举行的纽约峰会上首次亮相,标志着公司在企业级AI应用领域迈出重要一步。
此次微调涵盖开源语言模型与ElevenLabs自研语音模型,旨在通过整合企业专有数据和核心绩效指标,提升模型在真实业务场景中的表现。企业可在部署过程中选择客户满意度(CSAT)或系统可靠性等标准作为优化基准,由团队协同设定目标并进行针对性调整。
联合创始人兼首席执行官Mati Staniszewski强调:“若不融入人类与组织的独特语境,就难以真正解决人机交互中的效率与准确问题。”他指出,公司将把不同企业的语言风格、业务逻辑和评估体系深度嵌入模型训练流程中。
在应用场景方面,公司明确提及文本转语音(TTS)与语音转文本(STT)两大方向,但未在官方新闻稿中进一步展开具体边界。此外,ElevenLabs透露正开发针对金融服务行业的专用优化模型,同时展示其医疗领域新版本Scribe v3 Medical,用于区分高度相似的医学术语与药品名称。
需注意的是,相关性能描述均来自企业内部资料,尚无第三方验证。现有官方文档仍建议在临床音频处理中使用Scribe v2 Medical,而发布会提及的v3版本当前未公布上线时间,亦未说明是否对公众开放,版本信息存在不一致现象。
Interaction Engine是一套能够感知对话阶段、判断发言结束点并实时协调响应行为的系统。它具备识别用户中途插话的能力,在检测到打断信号时立即停止当前输出,实现更自然的交互体验。
系统还能根据请求复杂度自动分配最适配的大语言模型(LLM)。对于简单查询,优先使用成本较低的轻量模型;面对复杂任务则切换至高性能模型。这一机制有助于合理控制Token消耗——即语言模型处理文本的基本单位。
此前,ElevenAgents文档已包含对话轮次管理与插话处理的相关说明。本次发布的Interaction Engine更聚焦于整体对话流的智能化调度与模型选型策略。值得注意的是,尽管Customers Bank、Banco Inter与纳斯达克代表参与了金融专题讨论,但出席不代表机构已采用或认可其新产品。
ElevenLabs在声明中表示,企业级微调功能预计将在未来数月内上线,但具体发布时间表及Interaction Engine的公众开放时间仍未公布。