ElevenLabs e NVIDIA estendono la loro partnership su modelli, infrastruttura e implementazioni sovrane, per aiutare aziende e governi a far funzionare agenti vocali su larga scala. L’11 novembre 2026, a New York, le due società hanno annunciato che Nemotron 3.5 Super VL è ora disponibile in ElevenAgents, la piattaforma di agenti conversazionali di ElevenLabs.
Per Mati Staniszewski, cofondatore e amministratore delegato di ElevenLabs, gli agenti vocali stanno diventando un’infrastruttura critica, e le aziende devono poterli gestire « in modo sicuro, efficiente, affidabile e mantenendo il controllo dei propri dati ». Egli presenta la combinazione dei modelli audio e degli agenti di ElevenLabs con i LLM (grandi modelli linguistici), il calcolo accelerato e lo stack di sicurezza di NVIDIA come un modo per implementare questi agenti « su scala molto ampia ». Jensen Huang, fondatore e amministratore delegato di NVIDIA, riassume così il cambiamento: « Per decenni, ci siamo adattati ai computer, con tastiere, schermi e menu. Oggi, i computer imparano a parlare la nostra lingua. »
Nemotron si unisce ai modelli disponibili in ElevenAgents
I modelli aperti Nemotron sono progettati per compiti agentici, cioè lavori in cui il modello deve ragionare, utilizzare strumenti ed eseguire efficacemente compiti complessi in più fasi. Le aziende possono combinarli con i modelli vocali multilingue e a bassa latenza di ElevenLabs, per costituire sistemi di modelli per i propri agenti vocali.
Sul benchmark ElevenAgents, dedicato a compiti realistici di supporto clienti, Nemotron 3.5 Super VL ottiene, secondo ElevenLabs, la migliore precisione di esecuzione end-to-end del compito, inclusi i calcoli finanziari e l’analisi delle fatture, con costi inferiori del 70% rispetto ad altri modelli aperti di primo piano. Il modello permette di disabilitare il ragionamento per i compiti più semplici, il che lo colloca, sempre secondo l’azienda, tra i tre modelli più veloci della piattaforma. I modelli aperti Nemotron possono inoltre essere sottoposti a post-addestramento con i dati e l’esperienza propri di ogni organizzazione, e i clienti di ElevenLabs possono utilizzare queste versioni adattate in ElevenAgents.
Capacità aumentata e implementazione in Polonia
Per rispondere alla domanda dei suoi clienti più grandi, ElevenLabs sviluppa la propria infrastruttura in loco. L’azienda prevede di aggiungere 15 MW di capacità NVIDIA Vera Rubin di nuova generazione, in aggiunta ai suoi sistemi NVIDIA Blackwell Ultra esistenti. Questa capacità deve sostenere le grandi implementazioni, comprese quelle soggette a requisiti rigorosi di sicurezza e residenza dei dati.
Le due aziende collaborano dal 2022, e il primo modello di sintesi vocale di ElevenLabs è stato addestrato su GPU NVIDIA. Dal 2024, NVIDIA utilizza la tecnologia di ElevenLabs per produrre voci fuori campo per oltre 50 video durante i suoi grandi eventi, comprese le traduzioni dei keynote di Jensen Huang. Nel 2025, NVIDIA è anche diventato un investitore strategico di ElevenLabs.
In Polonia, primo paese interessato da queste implementazioni sovrane, i modelli vocali di ElevenLabs e l’infrastruttura NVIDIA fanno funzionare l’agente vocale di Centralna e-Rejestracja, il sistema centrale di prenotazione appuntamenti della piattaforma nazionale di e-salute. La soluzione è supportata da EasyCall. L’agente chiama i pazienti che hanno solo una linea fissa per ricordare loro gli appuntamenti e aiutarli a riprogrammarli. Con 40 milioni di appuntamenti all’anno e tassi di assenza dal 10 al 20%, una riduzione, anche lieve, delle visite mancate può migliorare l’accesso alle cure. Il dispositivo funziona in loco grazie a NVIDIA Confidential Computing, che protegge i dati e l’audio dei cittadini durante l’elaborazione e li mantiene all’interno dell’infrastruttura pubblica.
La voce al servizio dell’IA fisica
Mentre attori dell’industria, dell’automotive e della manifattura esplorano l’IA vocale embedded per la robotica e l’IA fisica, ElevenLabs e NVIDIA lavorano per facilitare il dialogo naturale tra le persone e le macchine, robot e veicoli che utilizzano quotidianamente. Le applicazioni previste includono il comando vocale di macchinari industriali pesanti, l’interazione senza mani con robot sulle linee di produzione, o ancora la possibilità per conducenti e operatori di parlare ai propri veicoli.
