ElevenLabs und NVIDIA erweitern ihre Partnerschaft in den Bereichen Modelle, Infrastruktur und souveräne Bereitstellungen, um Unternehmen und Regierungen dabei zu unterstützen, Sprachagenten im großen Maßstab einzusetzen. Am 11. November 2026 in New York gaben die beiden Unternehmen bekannt, dass Nemotron 3.5 Super VL nun in ElevenAgents, der Konversationsagenten-Plattform von ElevenLabs, verfügbar ist.
- ElevenLabs und NVIDIA erweitern ihre Partnerschaft für Sprachagenten von Unternehmen und Regierungen.
- Nemotron 3.5 Super VL ist nun in ElevenAgents verfügbar und gilt laut ElevenLabs als besonders genau und kostengünstig.
- In Polen erinnert ein Sprachagent Patienten an ihre Termine im nationalen E-Health-System.
- Die Daten der Bürger bleiben dabei vollständig in der öffentlichen Infrastruktur.
Für Mati Staniszewski, Mitgründer und CEO von ElevenLabs, werden Sprachagenten zu einer kritischen Infrastruktur, und Unternehmen müssen sie « sicher, effizient, zuverlässig und unter Beibehaltung der Kontrolle über ihre Daten » betreiben können. Er bezeichnet die Kombination der Audiomodelle und Agenten von ElevenLabs mit den LLM (Large Language Models), der beschleunigten Rechenleistung und der Sicherheitsarchitektur von NVIDIA als einen Weg, diese Agenten « in sehr großem Maßstab » einzusetzen. Jensen Huang, Gründer und CEO von NVIDIA, fasst den Wandel so zusammen: « Jahrzehntelang haben wir uns an Computer angepasst, mit Tastaturen, Bildschirmen und Menüs. Heute lernen Computer, unsere Sprache zu sprechen. »
Nemotron ergänzt die in ElevenAgents verfügbaren Modelle
Die Open-Source-Modelle Nemotron sind für agentische Aufgaben konzipiert, also für Arbeiten, bei denen das Modell denken, Werkzeuge nutzen und komplexe mehrstufige Aufgaben effizient ausführen muss. Unternehmen können sie mit den mehrsprachigen, latenzarmen Sprachmodellen von ElevenLabs kombinieren, um Modellsysteme für ihre Sprachagenten aufzubauen.
Im ElevenAgents-Benchmark für realistische Kundensupport-Aufgaben erzielt Nemotron 3.5 Super VL laut ElevenLabs die beste Genauigkeit bei der End-to-End-Aufgabenerfüllung, einschließlich finanzieller Berechnungen und Rechnungsanalyse, bei Kosten, die 70 % unter denen anderer führender Open-Source-Modelle liegen. Das Modell ermöglicht es, das Reasoning für einfachere Aufgaben zu deaktivieren, wodurch es laut Unternehmen zu den drei schnellsten Modellen der Plattform gehört. Die Open-Source-Modelle Nemotron können zudem mit den spezifischen Daten und der Expertise jeder Organisation nachtrainiert werden, und ElevenLabs-Kunden können diese angepassten Versionen in ElevenAgents nutzen.
Erhöhte Kapazität und Bereitstellung in Polen
Um der Nachfrage seiner größten Kunden gerecht zu werden, baut ElevenLabs seine On-Premise-Infrastruktur aus. Das Unternehmen plant, 15 MW Kapazität mit der neuen Generation NVIDIA Vera Rubin hinzuzufügen, um seine bestehenden NVIDIA Blackwell Ultra-Systeme zu ergänzen. Diese Kapazität soll große Bereitstellungen unterstützen, einschließlich solcher mit strengen Sicherheits- und Datenresidenzanforderungen.
Die beiden Unternehmen arbeiten seit 2022 zusammen, und das erste Sprachsynthesemodell von ElevenLabs wurde auf NVIDIA-GPUs trainiert. Seit 2024 nutzt NVIDIA die Technologie von ElevenLabs, um Voiceovers für über 50 Videos bei seinen großen Veranstaltungen zu produzieren, einschließlich der Übersetzungen der Keynotes von Jensen Huang. 2025 wurde NVIDIA auch ein strategischer Investor von ElevenLabs.
In Polen, dem ersten Land, das von diesen souveränen Bereitstellungen betroffen ist, betreiben die Sprachmodelle von ElevenLabs und die NVIDIA-Infrastruktur den Sprachagenten von Centralna e-Rejestracja, dem zentralen Terminbuchungssystem der nationalen E-Health-Plattform. Die Lösung wird von EasyCall unterstützt. Der Agent ruft Patienten an, die nur eine Festnetzleitung haben, um sie an ihre Termine zu erinnern und ihnen bei der Terminverschiebung zu helfen. Bei 40 Millionen Terminen pro Jahr und Fehlzeitenquoten von 10 bis 20 % kann selbst eine leichte Verringerung der verpassten Konsultationen den Zugang zur Gesundheitsversorgung verbessern. Das System läuft On-Premise mit NVIDIA Confidential Computing, das die Daten und Audioaufnahmen der Bürger während der Verarbeitung schützt und innerhalb der öffentlichen Infrastruktur hält.
Die Stimme im Dienst der physischen KI
Während Akteure aus Industrie, Automobil und Fertigung eingebettete Sprach-KI für Robotik und physische KI erforschen, arbeiten ElevenLabs und NVIDIA daran, den natürlichen Dialog zwischen Menschen und den Maschinen, Robotern und Fahrzeugen, die sie täglich nutzen, zu erleichtern. Zu den angedachten Anwendungen gehören die Sprachsteuerung schwerer Industrieanlagen, die berührungslose Interaktion mit Robotern auf Produktionslinien oder die Möglichkeit für Fahrer und Bediener, mit ihren Fahrzeugen zu sprechen.
