Egy lengyel startup figyelemre méltó utat tett meg, hogy az MI-hanggenerálás globális élvonalába kerüljön. A kezdeményezés hátterében a helyi tartalomfogyasztási szokások álltak: Lengyelországban a filmeket jellemzően egy monoton hangú narrátor szinkronizálja, ami sokak számára zavarónak tűnik, különösen a fiatalabb közönség körében.
Két alapító, Mateos Stanoski és Piotr Debcowski, egy közös technológiai projektjük alapján fejlesztették ki a 11 Labs nevű vállalkozás első prototípusait. Modern, MI-alapú beszédgenerátoruk meglepően élethű érzelmeket és hangszíneket tudott visszaadni, hamar túlszárnyalva olyan elterjedt asszisztenseket, mint az Apple Siri vagy az Amazon Alexa.
Újdonságukra gyorsan felfigyeltek a könyvkiadók, médiavállalatok, technológiai cégek, valamint a hétköznapi YouTube-tartalomgyártók, szerzők és alkalmazásfejlesztők is. A rendszer képes különböző nyelveken, akár sztárok hangjához hasonló módon is szöveget felolvasni, s a kereslet rohamosan nőtt. Az MI-hanggal új kapuk nyíltak meg az audiotartalmak, fordítások, ügyfélszolgálatok és kreatív iparágak előtt.
Ugyanakkor az új technológia rövid időn belül kihívások elé is állította a fejlesztőket: megjelentek a visszaélések, deepfake csalások és hírességek hangjával való visszaélés esetei. Paradoxon módon ez nem hátráltatta, hanem inkább még inkább felgyorsította a startup növekedését: a tőkebefektetések és új üzleti partnerek sorra érkeztek.
Az MI-hangipari forradalom élvonalában most olyan nagyvállalatokkal versenyeznek, mint a Google, a Microsoft vagy az OpenAI. Piaci előnyük a jelentős fejlesztési fókusz, az élethűség és az egyedülállóan széles hangarchívum. A jövő kérdése nyitott: vajon a felhasználóknak és a vállalatoknak sikerül-e etikusan és kreatívan kiaknázni ezt az új, nagy lehetőséget?
