ElevenLabs i NVIDIA rozszerzają partnerstwo w zakresie modeli, infrastruktury i suwerennych wdrożeń, aby pomóc firmom i rządom w uruchamianiu agentów głosowych na dużą skalę. 11 listopada 2026 roku w Nowym Jorku firmy ogłosiły, że Nemotron 3.5 Super VL jest już dostępny w ElevenAgents, platformie agentów konwersacyjnych ElevenLabs.
- ElevenLabs i NVIDIA rozszerzają współpracę, aby firmy i rządy mogły wdrażać agentów głosowych na dużą skalę.
- Model Nemotron 3.5 Super VL jest dostępny w ElevenAgents i osiąga najwyższą dokładność w zadaniach obsługi klienta.
- W Polsce agent głosowy Centralnej e-Rejestracji dzwoni do pacjentów, przypomina o wizytach i działa lokalnie, chroniąc dane.
- ElevenLabs i NVIDIA pracują nad głosowym sterowaniem maszynami, robotami i pojazdami.
Dla Matiego Staniszewskiego, współzałożyciela i dyrektora generalnego ElevenLabs, agenci głosowi stają się kluczową infrastrukturą, a firmy muszą móc nimi zarządzać « w sposób bezpieczny, efektywny, niezawodny i z zachowaniem kontroli nad swoimi danymi ». Przedstawia on połączenie modeli audio i agentów ElevenLabs z dużymi modelami językowymi (LLM), przyspieszonym przetwarzaniem i stosem zabezpieczeń NVIDIA jako sposób na wdrożenie tych agentów « na bardzo dużą skalę ». Jensen Huang, założyciel i dyrektor generalny NVIDIA, podsumowuje tę zmianę słowami: « Przez dekady my dostosowywaliśmy się do komputerów, korzystając z klawiatur, ekranów i menu. Dziś komputery uczą się mówić w naszym języku. »
Nemotron dołącza do modeli dostępnych w ElevenAgents
Otwarte modele Nemotron są zaprojektowane do zadań agentowych, czyli prac, w których model musi rozumować, korzystać z narzędzi i skutecznie wykonywać złożone, wieloetapowe zadania. Firmy mogą je łączyć z wielojęzycznymi modelami głosowymi ElevenLabs o niskich opóźnieniach, aby budować systemy modeli dla swoich agentów głosowych.
W benchmarku ElevenAgents, poświęconym realistycznym zadaniom obsługi klienta, Nemotron 3.5 Super VL osiąga, według ElevenLabs, najwyższą dokładność w kompletnym wykonaniu zadania, w tym w obliczeniach finansowych i analizie faktur, przy kosztach niższych o 70% w porównaniu z innymi wiodącymi modelami otwartymi. Model pozwala na wyłączenie rozumowania dla prostszych zadań, co według firmy plasuje go wśród trzech najszybszych modeli na platformie. Otwarte modele Nemotron mogą być również poddawane dodatkowemu szkoleniu z wykorzystaniem danych i wiedzy specyficznej dla danej organizacji, a klienci ElevenLabs mogą korzystać z tych dostosowanych wersji w ElevenAgents.
Zwiększona wydajność i wdrożenie w Polsce
Aby sprostać zapotrzebowaniu swoich największych klientów, ElevenLabs rozwija swoją infrastrukturę lokalną. Firma planuje dodać 15 MW mocy nowej generacji NVIDIA Vera Rubin, uzupełniając istniejące systemy NVIDIA Blackwell Ultra. Ta moc ma wspierać duże wdrożenia, w tym te podlegające ścisłym wymogom bezpieczeństwa i lokalizacji danych.
Firmy współpracują od 2022 roku, a pierwszy model syntezy mowy ElevenLabs został wytrenowany na procesorach graficznych NVIDIA. Od 2024 roku NVIDIA wykorzystuje technologię ElevenLabs do produkcji głosów lektorskich dla ponad 50 filmów podczas swoich dużych wydarzeń, w tym tłumaczeń przemówień Jensena Huanga. W 2025 roku NVIDIA została również strategicznym inwestorem ElevenLabs.
W Polsce, pierwszym kraju objętym tymi suwerennymi wdrożeniami, modele głosowe ElevenLabs i infrastruktura NVIDIA napędzają agenta głosowego Centralnej e-Rejestracji, centralnego systemu rezerwacji terminów krajowej platformy e-zdrowia. Rozwiązanie jest wspierane przez EasyCall. Agent dzwoni do pacjentów posiadających tylko telefon stacjonarny, aby przypomnieć im o wizytach i pomóc w ich przełożeniu. Przy 40 milionach wizyt rocznie i wskaźnikach nieobecności na poziomie 10-20%, nawet niewielkie zmniejszenie liczby nieodbytych konsultacji może poprawić dostęp do opieki zdrowotnej. System działa lokalnie dzięki NVIDIA Confidential Computing, które chroni dane i dźwięk obywateli podczas przetwarzania i utrzymuje je w ramach infrastruktury publicznej.
Głos w służbie fizycznej sztucznej inteligencji
Podczas gdy przedstawiciele przemysłu, motoryzacji i produkcji eksplorują wbudowaną sztuczną inteligencję głosową dla robotyki i fizycznej AI, ElevenLabs i NVIDIA pracują nad ułatwieniem naturalnego dialogu między ludźmi a maszynami, robotami i pojazdami, z których korzystają na co dzień. Rozważane zastosowania obejmują głosowe sterowanie ciężkimi maszynami przemysłowymi, bezwzrokową interakcję z robotami na liniach produkcyjnych oraz możliwość, aby kierowcy i operatorzy rozmawiali ze swoimi pojazdami.
