ElevenLabs przekształca się obecnie z jednorożca w prawdziwego giganta rynku technologicznego. Tempo wzrostu tej polskiej firmy jest wyjątkowo szybkie: od momentu założenia w 2022 r. osiągnęła status jednorożca — czyli wycenę przekraczającą miliard dolarów — w zaledwie dwa lata, co jest jednym z najkrótszych takich okresów w historii branży technologicznej.
W 2025 r. ElevenLabs wygenerowało ponad 330 mln dol. (1,17 mld zł) rocznego przychodu cyklicznego, co oznacza stabilne, powtarzające się dochody pochodzące głównie z subskrypcji i usług dla przedsiębiorstw. Co więcej, na 2026 r. firma zakłada podwojenie tej kwoty, napędzane przez rosnącą adopcję wśród klientów korporacyjnych w sektorach takich jak media, edukacja i obsługa klienta.
W ostatnim czasie do grona inwestorów w ElevenLabs dołączyli Lightspeed Venture Partners, Evantic Capital, BOND oraz Nvidia — światowy lider w produkcji chipów dedykowanych do obliczeń AI, co podkreśla strategiczne znaczenie ElevenLabs w ekosystemie zaawansowanych technologii.
- Czytaj także: Polskie “jednorożce”? Mamy jedynie “wielbłądy”. “Nie możemy kopiować strategii z amerykańskich podcastów dla start-upów“
Ten sukces nie jest przypadkowy: symbolizuje, jak polska kreatywność, połączona z międzynarodowym doświadczeniem założycieli — Staniszewski pracował jako strateg wdrożeniowy w Palantir Technologies, a Dąbkowski jako inżynier uczenia maszynowego w Google — może przekształcić się w globalny biznes, konkurujący z gigantami z Doliny Krzemowej i inspirujący kolejne pokolenia przedsiębiorców z Europy Środkowo-Wschodniej.
Początki ElevenLabs
Mateusz (Mati) Staniszewski i Piotr Dąbkowski poznali się jako uczniowie warszawskiego liceum im. Mikołaja Kopernika, gdzie szybko połączyła ich wspólna pasja do technologii, programowania i wszystkiego, co związane z przyszłością. Po maturze ich ścieżki edukacyjne i zawodowe nieco się rozeszły, ale pozostały równie ambitne. Mati studiował matematykę na Imperial College London, a następnie pracował jako strateg wdrożeniowy w Palantir Technologies — jednej z najbardziej zaawansowanych firm analitycznych na świecie, znanej z przetwarzania ogromnych zbiorów danych dla rządów i korporacji.
Piotr z kolei ukończył studia na Uniwersytecie Oksfordzkim i Cambridge, specjalizując się w uczeniu maszynowym. Jego praca magisterska dotycząca wykrywania obiektów na obrazach została opublikowana na prestiżowej konferencji NeurIPS — długo zanim modele językowe takie jak ChatGPT stały się powszechnie znane. Przed założeniem ElevenLabs Piotr pracował jako inżynier uczenia maszynowego w Google, gdzie miał okazję pracować nad jednymi z najbardziej zaawansowanych systemów AI na świecie.
Punktem zwrotnym okazała się klasyczna polska bolączka — sposób, w jaki w Polsce dubbingowano (i w dużej mierze nadal dubbinguje) zagraniczne filmy oraz seriale. W przeciwieństwie do zachodnich produkcji, gdzie każdą postać dubbinguje inny aktor z zachowaniem emocji, płci i wieku, w Polsce dominował model jednego lektora — zazwyczaj mężczyzny o monotonnym, neutralnym głosie — który czytał wszystkie role, nakładając swój głos na oryginalną ścieżkę dźwiękową.
- Czytaj także: Polskie firmy inwestują w AI, ale zyski wciąż poniżej średniej europejskiej
Dla młodego pokolenia wychowanego na oryginalnych wersjach językowych i oczekującego autentyczności, taki dubbing brzmiał płasko, sztucznie i pozbawiony emocji. Jak wspomina Mati Staniszewski, to właśnie ta “komunistyczna pozostałość” po tanim i szybkim sposobie lokalizacji treści stała się iskrą do działania — postanowili stworzyć technologię, która pozwoli na realistyczną, emocjonalną syntezę mowy w dowolnym języku, eliminując bariery językowe i przywracając naturalność komunikacji.
|
mat. prasowe
W kwietniu 2022 r. obaj zrezygnowali z dobrze płatnych stanowisk w korporacjach, zainwestowali własne oszczędności i założyli ElevenLabs w Londynie — mieście, w którym obaj mieli już solidne doświadczenie akademickie i zawodowe. Pierwszy publiczny pokaz ich technologii nastąpił w styczniu 2023 r. i wywołał natychmiastowy entuzjazm w branży: głosy generowane przez ElevenLabs brzmiały tak naturalnie i ekspresyjnie, że szybko zaczęto je uznawać za nowy punkt odniesienia w syntezie mowy.
Od tamtego czasu firma rozwijała się w zawrotnym tempie. Dziś zatrudnia kilkaset osób, a jej struktura geograficzna odzwierciedla globalne ambicje: siedziba główna i europejska centrala znajdują się w Londynie, duży zespół badawczo-rozwojowy i inżynieryjny działa w Warszawie, a dodatkowe biura powstały w Nowym Jorku, San Francisco, Tokio, Bangalore, Sydney, Dublinie, Seulu, Singapurze, São Paulo, Berlinie, Paryżu i Mexico City. To połączenie mocno polskich korzeni — zarówno założycieli, jak i części zespołu — z międzynarodową bazą operacyjną pokazuje, jak pomysł zrodzony w Warszawie może skalować się na cały świat i konkurować z najlepszymi firmami z Doliny Krzemowej.
Co oferuje ElevenLabs?
ElevenLabs ugruntowała swoją pozycję jako lider w dziedzinie sztucznej inteligencji skupionej na przetwarzaniu głosu i audio, oferując zestaw zaawansowanych narzędzi, które rewolucjonizują sposób, w jaki tworzymy i konsumujemy treści dźwiękowe. Ich flagowa technologia to synteza mowy, znana jako text-to-speech (TTS), w której algorytmy AI przekształcają zwykły tekst pisany w realistycznie brzmiący głos ludzki — nie jest to sztywny, robotyczny ton, jaki kojarzymy z wczesnymi asystentami wirtualnymi, ale dynamiczna mowa z naturalną intonacją, emocjami i akcentami, co sprawia, że brzmi ona jak prawdziwy rozmówca.
- Czytaj także: Jest nowy lider. To od dziś najdroższa firma w Europie
Firma rozwija również klonowanie głosu, czyli proces, w którym na podstawie krótkiej próbki audio — na przykład kilkusekundowego nagrania — AI generuje cyfrową replikę głosu, zachowując unikalne cechy takie jak tempo, barwa czy styl mówienia. To narzędzie znajduje zastosowanie w różnorodnych scenariuszach, od przywracania głosu osobom z problemami zdrowotnymi po personalizowane treści marketingowe, czy przyspieszanie tworzenia treści wideo.
Oprócz mowy, ElevenLabs rozszerza ofertę na generowanie muzyki i efektów dźwiękowych, gdzie użytkownicy mogą tworzyć oryginalne kompozycje lub dźwięki na podstawie prostych opisów tekstowych.
Kolejnym kluczowym elementem są inteligentni agenci konwersacyjni, czyli wirtualni asystenci zdolni do prowadzenia rozmów w czasie rzeczywistym — nie tylko mówią, ale też słuchają, rozumieją kontekst i odpowiadają z niskim opóźnieniem (latencją) wynoszącym zaledwie 75 ms, co czyni interakcje płynnymi i naturalnymi, idealnymi dla aplikacji takich jak czatboty, obsługa klienta czy gry interaktywne.
Technologia, której zazdrości świat
Technologia ElevenLabs opiera się na zaawansowanych modelach, takich jak Eleven Multilingual v2, który obsługuje syntezę mowy w ponad 70 językach, w tym mniej popularnych jak polski, hindi czy swahili, z możliwością dodawania ekspresyjnych tagów emocji — na przykład wpisanie “[whisper]” wywoła szept, a “[shout]” sprawi, że AI zacznie krzyczeć.
Inne modele, jak Eleven Turbo v2.5, skupiają się na szybkości i efektywności, a Eleven v3 wprowadza jeszcze większą ekspresję w dialogach. Firma dzieli swoją ofertę na trzy główne rodziny produktów: ElevenCreative, skierowaną do twórców treści i mediów, gdzie można generować audio dla podcastów, wideo czy audiobooków; ElevenAgents, dedykowaną biznesom do budowania agentów obsługujących klientów poprzez telefon, chat czy e-mail; oraz ElevenAPI, platformę dla deweloperów umożliwiającą integrację narzędzi AI z własnymi aplikacjami za pomocą SDK w językach programowania takich jak Python czy JavaScript.
- Czytaj także: Elon Musk ujawnia nowy plan. Miliarder stawia wszystko na jedną kartę. Inwestorzy mu ufają, ale eksperci obawiają się krachu
Nowości wprowadzone w 2026 r., w tym Scribe v2 z 98-proc. dokładnością transkrypcji w czasie rzeczywistym, Expressive Mode dodający warstwę emocjonalną do agentów, oraz integracje z modelami wideo takimi jak Veo od Google czy Sora od OpenAI, pozwalają na tworzenie multimodalnych treści — na przykład wideo z automatycznie generowaną narracją głosową, co czyni platformę kompleksowym rozwiązaniem dla profesjonalistów i hobbystów.
Model biznesowy, czyli co i za ile?
Oferta ElevenLabs działa na zasadzie modelu subskrypcyjnego, opartego na kredytach — wirtualnej walucie, gdzie każdy kredyt odpowiada ilości tokenów, koniecznych do wykonania danego zadania z użyciem narzędzi AI. To pozwala na przewidywalne zarządzanie kosztami, ponieważ zużycie jest proporcjonalne do generowanego audio czy muzyki. Firma oferuje różnorodne plany, zaczynając od darmowego Free, który zapewnia 10 tys. kredytów miesięcznie, wystarczających na podstawowe testy i trzy projekty w ich interfejsie Studio do edycji audio, choć bez licencji komercyjnej na wygenerowane treści.
Przechodząc na płatne opcje, plan Starter za 5 dol. miesięcznie podnosi limit do 30 tys. kredytów, dodaje 20 projektów oraz funkcje takie jak natychmiastowe klonowanie głosu, komercyjne użycie generowanej muzyki i dostęp do Dubbing Studio, gdzie możesz automatycznie lokalizować wideo w różnych językach, co jest przydatne dla twórców treści cyfrowych. Dla bardziej wymagających użytkowników są plany Creator i Business.
|
FilipArtLab / Shutterstock
Dodatkowo, ElevenLabs wspiera innowatorów poprzez granty dla startupów — 12 miesięcy darmowego dostępu do 33 mln znaków, co pozwala młodym firmom na eksperymentowanie bez kosztów, pod warunkiem spełnienia kryteriów aplikacyjnych.
ElevenLabs for Government, czyli wsparcie sektora publicznego
ElevenLabs, dostrzegając ogromny potencjał sztucznej inteligencji w poprawie efektywności usług publicznych, uruchomiło w lutym 2026 r. dedykowaną inicjatywę o nazwie ElevenLabs for Government, specjalnie skierowaną do instytucji rządowych, ministerstw, agencji i samorządów lokalnych.
- Czytaj także: “Bańka miliarderów” szybko rośnie. Wykracza już daleko poza samą AI
Ta platforma to zintegrowany zestaw narzędzi opartych na AI, zaprojektowany do transformacji sposobu, w jaki obywatele interagują z administracją publiczną — zamiast sztywnych menu automatycznych czy długich kolejek telefonicznych, oferuje zawsze dostępne, inteligentne agenty głosowe i czatowe, które odpowiadają na zapytania w naturalny, ludzki sposób. Inicjatywa skupia się na kluczowych obszarach, takich jak poprawa dostępności i inkluzywności, gdzie agenci obsługują komunikację w wielu językach i kanałach, co oznacza, że możesz skontaktować się z urzędem przez telefon, aplikację mobilną, stronę internetową czy nawet e-mail, a AI dostosuje się do twojego preferowanego sposobu interakcji, zapewniając natychmiastowe odpowiedzi bez oczekiwania na wolnego konsultanta.
Praktyczne wdrożenia ElevenLabs for Government już przynoszą wymierne korzyści w kilku krajach, demonstrując, jak technologia może usprawnić codzienne sprawy obywatelskie. Na przykład, w Czechach platforma obsługuje około 5 tys. połączeń dziennie, osiągając 85-procentowy wskaźnik samodzielnego rozwiązania problemów przez AI, co znacząco redukuje obciążenie pracowników i skraca czas oczekiwania dla mieszkańców — to jak posiadanie wirtualnego urzędnika, który rozumie kontekst zapytania i udziela precyzyjnych informacji o procedurach, takich jak składanie wniosków o świadczenia czy sprawdzanie statusu dokumentów.
Co czyni tę inicjatywę szczególnie wartościową, to jej skupienie na responsywności i pierwszym momencie kontaktu. ElevenLabs for Government nie tylko automatyzuje rutynowe zapytania, ale też integruje się z istniejącymi systemami publicznymi, zapewniając zgodność z regulacjami takimi jak ochrona danych osobowych, co jest kluczowe w sektorze publicznym. W efekcie rządy mogą oferować usługi 24 godz. na dobę, bez przerw, co jest zwłaszcza ważne w sytuacjach kryzysowych, jak klęski żywiołowe czy pandemie, gdzie natychmiastowa komunikacja ratuje czas i zasoby.
Co na przyszłość?
Po udanej rundzie finansowania w lutym 2026 r., ElevenLabs nie zamierza spoczywać na laurach, lecz planuje wykorzystać pozyskane 500 mln dol. na przyspieszenie badań i rozwoju, co ma umocnić jej pozycję jako innowatora w dziedzinie syntezy głosu z użyciem sztucznej inteligencji. Firma skupia się na pogłębianiu technologii “emotional conversational models” — to zaawansowane systemy, które nie tylko przetwarzają słowa, ale też wykrywają i wyrażają emocje w rozmowach, czyniąc interakcje z AI bardziej intuicyjnymi i ludzkimi, na przykład poprzez dostosowywanie tonu głosu do nastroju użytkownika w czasie rzeczywistym.
- Czytaj także: Ma 26 lat i właśnie został miliarderem. Jego Lovable uzyskało gigantyczną wyceną 6,6 mld dol. To koniec ery programistów?
Ekspansja obejmuje również ulepszony dubbing, czyli automatyczne tłumaczenie i adaptację treści audio w różnych językach z zachowaniem naturalności, oraz koncepcję audio general intelligence — ogólnej inteligencji dźwiękowej, gdzie AI rozumie nie tylko mowę, ale też szerszy kontekst akustyczny, taki jak tło dźwiękowe czy muzyka, co otwiera drzwi do bardziej wszechstronnych aplikacji w codziennym życiu.
W obszarze produktów, ElevenLabs podwaja inwestycje w ElevenAgents — platformę do tworzenia inteligentnych agentów konwersacyjnych dla biznesu, które obsługują zadania takie jak sprzedaż, marketing czy wsparcie operacyjne wewnątrz firmy. W najbliższych miesiącach planowane jest wprowadzenie nowego modelu konwersacyjnego, opartego na Eleven v3, który jest szybszy i lepiej radzi sobie z ekspresją emocjonalną, wraz z ulepszonym systemem orchestration — mechanizmem optymalizującym kolejkowanie zadań i podejmowanie decyzji w rozmowach.
|
mat. prasowe
To z kolei, co pozwoli agentom na obsługę milionów interakcji tygodniowo bez spadku jakości. Jednocześnie ElevenCreative — oferta dla twórców treści i mediów — będzie rozwijana w kierunku immersyjnych produkcji, łączących audio z wideo i agentami, umożliwiając łatwe generowanie spersonalizowanych narracji dla filmów, podcastów czy wirtualnej rzeczywistości, co czyni platformę jeszcze bardziej atrakcyjną dla branży kreatywnej.
- Czytaj także: ElevenLabs uzyskuje wycenę 11 mld dol. Jest już najcenniejszą polską prywatną spółką
Firma podkreśla również rozwój hybrydowego przetwarzania — połączenia obliczeń w chmurze z lokalnymi na urządzeniach użytkownika — co jest kluczowe dla nowych form urządzeń, takich jak wearables (urządzenia noszone, jak inteligentne okulary, zegarki czy słuchawki), gdzie głos staje się dominującym interfejsem, umożliwiając hands-free interakcje bez potrzeby patrzenia na ekran. Mati Staniszewski wizjonersko opisuje przyszłość, w której głos AI towarzyszy nam na co dzień, przenosząc technologię z kieszeni do naturalnego otoczenia, co może zrewolucjonizować sektory takie jak motoryzacja (głosowe sterowanie w samochodach) czy rozszerzona rzeczywistość.
Patrząc na 2026 r., ElevenLabs zakłada podwojenie rocznego przychodu cyklicznego do ponad 660 mln dol., napędzanego przez wejście w nowe sektory, w tym rządowy, edukacyjny i zdrowotny, gdzie AI może poprawiać dostępność usług — na przykład poprzez transkrypcje w czasie rzeczywistym.
