摘要

ElevenLabs 在保持研究目标激进的同时，也不让研究成为产品瓶颈。 公司曾因希望研究能让声音自动推断节奏，连续9个月拒绝加入简单的速度控制；随后定下3个月规则：如果研究周期超过这一时限，产品团队可以自行选择任何方式填补缺口。「我们不想变得和上一代编辑套件一样」（“We don’t want to become the same as the previous generation of the editing suite”）是拒绝滑块的理由，而不是绝对约束。
约20个由5至10人组成的自治产品团队，在研究底座支持下推动交付速度。 这种组织结构以允许重复开发、接受团队进度不一为代价，换取异常高的自主权，以及同时推进创意工具和对话式智能体的能力。每个新团队都有6个月证明自己；基础设施团队已从合作时的3人扩大到如今的11人。
分布式模式背后是全球人才论，而不只是远程办公政策。 ElevenLabs 在全球范围内以非传统方式招聘，包括从一名当时还在呼叫中心接电话谋生的开源文本转语音开发者招募人才；员工超过30人后，公司才增设办公中心。公司取消了职级，资历不决定层级；当透明度开始变成干扰时，信息访问权限会被有意收紧。
语音市场把模型的广度转化为一个具备可量化创作者经济的生态。 平台已有近10,000种声音，并已向贡献者返还1000万美元；一款低沉的西班牙语声音在西班牙需求寥寥，却因被开放用于其他语言，并凭借低沉特质在英语市场走红，最终成为前三大声音之一。Staniszewski 更倾向于帮助行业参与者「共同颠覆，而不是各自颠覆」（“disrupt together rather than just disrupt”）。
进军企业市场迫使 ElevenLabs 放弃了工程师可以直接做销售这一设想。 如今面向客户的团队约为80%销售、20%工程；产品也已从文本转语音扩展到语音转文本和编排，而企业部署还需要电话系统、评测、监控、安全与合规。公司最终希望达到「四个9或五个9」的可用性，但 Staniszewski 承认，AI 的可靠性很难保障。
到了350名员工，激励机制已经成为产品与竞争战略的一部分。 Staniszewski 将配额和佣金称为「战略的滞后指标」：即使一笔交易在战略上错误，公司仍可能照发佣金，同时终止交易；最近一家基础模型竞争对手就曾要求授权 ElevenLabs 模型用于演示。由此形成的政策明确禁止向基础模型公司销售。

精读

1. 研究与产品刻意运行在不同的时钟上

Staniszewski 将 ElevenLabs 的基础归功于研究：这项研究让文本转语音能够理解上下文，将其转化为「情绪和语调」，并保留风格、年龄、性别和方言等声音特征。这一底座随后扩展到语音转文本、音乐及其他音频领域。他还对比了合作时只有3人的基础设施团队与如今的11人团队。
约20个产品团队、每队5至10人，可以在两大领域独立交付：一是创意制作，包括旁白、画外音和配音；二是对话式智能体，覆盖客户体验到沉浸式媒体。公司接受重复开发和团队进度不一的成本，换取团队的自主负责。
最具启发性的失败案例，是用户提出的声音速度滑块。ElevenLabs 坚持了9个月，希望研究最终能让每种声音自动选择合适的节奏，后来才承认，简单的产品修复更能服务用户。由此形成的规则是：如果研究需要超过3个月，产品团队就可以加入其他模型或扩展功能来弥合差距。

2. 全球人才与扁平团队是运营选择

公司的欧洲起源同时塑造了产品和招聘。在波兰，外国电影经常不论角色是谁，都由同一个毫无情绪的声音配音；要解决这一研究问题，就必须在欧洲和亚洲招募研究人员，而不能把招聘限制在旧金山。
非传统招聘带来了一名开源文本转语音开发者，他当时一边开发代码，一边靠接呼叫中心电话挣钱。员工数超过30人后，ElevenLabs 在伦敦、华沙和旧金山增设办公中心：职业早期员工通常被安排到中心办公以快速融入，资深远程员工则保留灵活性。
公司在一年前取消了职级，新团队有6个月证明自己的机会。资历不会决定任何人在层级中的位置，但扁平化仍需要负责人在团队之间传递上下文。一个反直觉的教训是：让所有人加入每个 Slack 频道只会制造干扰，因此公司有时会削减访问权限，「强行收拢注意力」。

3. 创作者利益一致把语音供给变成护城河

Staniszewski 认为，产品 adoption 的起点，是先弄清创作者希望 AI 介入哪些制作环节。ElevenLabs 的市场随后让人们分享声音，并在声音被使用时获得收入；目前平台已有近10,000种声音，已向社区返还1000万美元。
他最好的例子是一款低沉的西班牙语声音，最初在西班牙始终没有起量。因为同一个声音当时可以说30种语言、如今可以说70种，它凭借低沉特质在英语市场走红，并在各种使用场景中成为前三大声音之一。
音乐授权也沿用了「共同颠覆」的理念。与 Merlin、Kobalt 和4家大型唱片公司达成协议耗时18个月，推动决策的时间表几次顺延，但仍有助于围绕是否共同推进、还是各自行动建立紧迫感。获得授权的模型可以为生成音乐授予商业权利。
具有行业背景的顾问帮助公司跨过陌生的谈判领域，但 Staniszewski 发现，风险判断与从业背景同样重要。一名曾在《财富》500强公司任职的律师，几乎会把每项提案都框定成一串风险；接替他的法律顾问则会解释风险边界、同类公司的做法和可行路径，成为「真正的思想伙伴」。

4. 企业需求把 ElevenLabs 从模型公司拉向基础设施

ElevenLabs 最初想打造一家没有销售人员的工程师公司，并让一名传统销售人员与一名被要求「去做销售」的工程师接受测试。结果失败了。最终形成的组合约为80%销售、20%工程，也让研究和产品团队更清楚地看到客户需求。
Hippocratic AI 在2023年提供了关键的医疗案例：语音智能体可以接听医院来电、安排预约、提醒患者服药，并主动进行后续沟通。要交付这一能力，需要语音转文本、LLM、文本转语音、编排、集成和部署，而不只是一个基础模型。
更大的企业缺口，在于演示与生产环境之间的距离：测试、版本控制、评测、监控，以及随时间推移进行微调。填补这一缺口需要编排和配套部署能力，包括知识库、Twilio 等电话服务商、SIP 中继、安全与合规；可靠的「四个9或五个9」仍是一个理想终点。
Li 的反驳是，企业需求往往会拖慢发布。Staniszewski 的回答是明确标注产品状态：客户可以自行选择是否使用「可能没那么稳定」的 alpha 产品。例如，Deutsche Telekom 在测试了用于生成 NotebookLM 式播客的早期模型后，正在用可选择的德语和英语声音打造新的播客体验。

5. 规模化让产品组合规则与激励机制不可回避

ElevenLabs 员工超过100人后，将尚未实现产品市场匹配的工作与成熟产品分开。成熟团队着眼长期测试，只在准备就绪后部署；实验团队则有6个月时间通过快速发布寻找产品市场匹配。如果无法证明拥有规模可观的用户群，「我们就杀掉产品」。
员工达到350人后，Staniszewski 对激励机制的最大转变是：激情不再足以协调每个决定，佣金可能诱导出战略从未设想的行为。公司可以照发佣金，同时由管理层否决一笔具有战略伤害的交易；在拒绝一家基础模型竞争对手的授权请求后，ElevenLabs 正式规定禁止向该类公司销售。

走进沙特的 AI 雄心：Tareq Amin 谈打造新的科技超级大国买下公司并永远经营下去的打法