Polski głos AI

Gdy amerykański „Forbes” umieścił na okładce trzydziestoletniego Mateusza „Matiego” Staniszewskiego, wiele osób po raz pierwszy usłyszało o Polaku, który w zaskakująco krótkim czasie wyrósł na jedną z najważniejszych postaci rynku sztucznej inteligencji. Jego przedsięwzięcie – ElevenLabs – powstało z pomysłu dwóch kolegów z warszawskiego liceum. Dziś wyceniane jest na miliardy dolarów, a Staniszewski współpracuje z największymi mediami, twórcami i firmami technologicznymi na świecie.

Mateusz Staniszewski ma zaledwie 30 lat, a dzięki innowacyjnej technologii, którą stworzył, już jest miliarderem. Fot. Forbes

Z Warszawy do Londynu

To jedna z tych historii, które zaczynają się niewinnie – od drobnej irytacji. W przypadku Matiego Staniszewskiego była nią niechęć do charakterystycznego dla Polski modelu filmów z lektorem. Monotonny głos, brak emocji, brak zróżnicowania ról – to właśnie ten detal poprowadził go w stronę pomysłu, który zmienił jego życie i zrewolucjonizował branżę technologiczną.

Mateusz Staniszewski urodził się w 1995 r. w Warszawie, gdzie ukończył XXXIII LO im. Mikołaja Kopernika. Po maturze wyjechał na studia matematyczne do londyńskiego Imperial College. Następnie pracował w m.in. Opera Software i Palantir Technologies. To właśnie w Palantir ponownie zetknął się z Piotrem Dąbkowskim – kolegą z liceum, który pracował także jako inżynier w Google. Obaj mieli już wówczas na tyle doświadczenia, by zacząć poważnie eksperymentować ze sztuczną inteligencją.

Ich pomysły gwałtownie przerodziły się w coś większego – nowe modele mowy w AI okazywały się wyraźnie lepsze od dostępnych na rynku rozwiązań. Głosy ElevenLabs brzmiały naturalnie, precyzyjnie i potrafiły oddawać emocje oraz kontekst wypowiedzi. Ostatecznie Staniszewski i Dąbkowski porzucili dotychczasowe stanowiska pracy i zainwestowali oszczędności w stworzenie własnej firmy.

Fot. Forbes

Globalna rewolucja

W 2022 r. ruszyło ElevenLabs – kilkuosobowy startup, który w zaledwie dwa lata stał się jednym z najcenniejszych projektów technologicznych w Europie. W styczniu 2023 r. firma wprowadziła na rynek swoje pierwsze modele głosowe, które okazały się lepsze od Siri czy Alexy. Dziś modele ElevenLabs mówią w 29 językach, a ich naturalność i dynamika sprawiają, iż trafiają one do twórców audiobooków, filmów, podcastów, gier wideo, redakcji i studiów produkcyjnych.

Z ElevenLabs korzysta między innymi Epic Games, które w „Fortnite” – grze o globalnym zasięgu – używa zaawansowanych głosów niektórych postaci, w tym tych inspirowanych słynnymi aktorami. Po technologię Polaków sięgają także amerykańskie media i wydawnictwa, w tym „The Washington Post” czy „The New Yorker”, twórcy kursów językowych oraz influencerzy. ElevenLabs prowadzi dziś bibliotekę ponad 10 tysięcy sztucznych głosów, ma siedziby w Nowym Jorku i Londynie oraz zatrudnia około 300 osób.

Tak szybki rozwój przyniósł równie spektakularne liczby: inwestorzy przekazali ElevenLabs setki milionów dolarów, a wycena spółki sięgnęła jesienią 6.6 miliardów dolarów. Staniszewski i Dąbkowski są w tej chwili miliarderami.

Cena sukcesu

Rozwiązania ElevenLabs nie uniknęły jednak negatywnych konsekwencji. Naturalnie brzmiące głosy zaczęli wykorzystywać oszuści, którzy chcieli podszywać się pod znane osoby lub bliskich swoich ofiar. Deepfake’i z udziałem celebrytów, podrobione nagrania polityków, a choćby próby oszustw finansowych zwróciły uwagę opinii publicznej.

Firma musiała wprowadzić zaawansowane systemy zabezpieczeń: listę głosów zakazanych, moderację i narzędzia do wykrywania deepfake’ów. Działania zostały podjęte po tym, jak stworzony przez ElevenLabs klon głosu Joe Bidena został wykorzystany do zniechęcania Amerykanów do głosowania w wyborach prezydenckich w 2024 r.

Staniszewski i Dąbkowski musieli również zareagować na pozew lektorów audiobooków, którzy zarzucali im nieuprawnione użycie nagrań. Mimo tych turbulencji ElevenLabs zachowało rentowność i utrzymało zaufanie inwestorów, którzy w sumie przekazali firmie ponad 300 milionów dolarów.

Nowy ton AI

Historia Matiego Staniszewskiego udowadnia, iż wielkie innowacje mogą narodzić się z codziennych doświadczeń. W jego przypadku impulsem okazała się niechęć do filmów z lektorem – rozwiązania, które uchodzi za normę, a które on widział jako brak technologicznej finezji. Dziś to właśnie Polak, którego irytowała taka forma przekładu, współtworzy firmę nadającą ton globalnej rewolucji w syntezie mowy, a jego technologia realnie zmienia sposób, w jaki mówi sztuczna inteligencja.

Nie bez powodu amerykański Forbes określił go mianem „głosu AI”. W obszernej publikacji magazyn podkreśla, iż współtworzona przez Staniszewskiego firma już dziś rywalizuje z gigantami branży technologicznej, wyznaczając standardy w tempie, które do tej pory było zarezerwowane dla największych. Według przedstawionych analiz, ElevenLabs wyprzedza takie firmy jak OpenAI w rozwoju technologii związanych z zamianą mowy na tekst, a także w tworzeniu narzędzi do pracy z muzyką i dźwiękiem. Co więcej, startup pozostaje rentowny i według magazynu w ostatnich miesiącach wygenerował około 116 milionów dolarów zysku. To wyniki, które plasują go wśród najbardziej dynamicznych i najszybciej rosnących firm technologicznych na świecie.

Nic dziwnego, iż „Forbes” nazwał ElevenLabs „jednym z najcenniejszych startupów w Europie”. Zdaniem dziennikarzy Staniszewski konkuruje dziś z takimi gigantami jak Google, Microsoft, Amazon i wspomniane już OpenAI, a jego ambicją jest stanie się prawdziwym głosem sztucznej inteligencji. Okładka potwierdza tylko, iż młody Polak znalazł się w samym centrum globalnego wyścigu o przyszłość technologii.

Alicja Dębek