در چند ماه گذشته، Fireflies، Wispr Flow و Granola قابلیت‌های رقیبی در حوزه دیکته صوتی و یادداشت‌برداری از جلسات عرضه کرده‌اند. تازه‌ترین بازیگر این حوزه، غول هوش مصنوعی صوتی ElevenLabs است که این هفته اپلیکیشنی آزمایشی به نام ElevenAI منتشر کرد؛ اپلیکیشنی که یادداشت‌برداری از جلسات، دیکته صوتی و اتصال به عامل‌های هوش مصنوعی را با هم ترکیب می‌کند.

ElevenAI که در جریان رویداد 11/11 Summit این شرکت در نیویورک معرفی شد، هنوز در مرحله پیش‌نمایش است و برای دسترسی زودهنگام باید ثبت‌نام کنید؛ نمی‌توانید آن را مانند یک اپلیکیشن معمولی دانلود کنید. ElevenLabs که ارزش آن ۲۲ میلیارد دلار برآورد شده، این محصول را بیشتر ابزاری برای استفاده در محیط تیمی معرفی می‌کند تا ابزاری برای افزایش بهره‌وری فردی.

ElevenAI همه قابلیت‌هایی را در خود جای داده که معمولاً در اپلیکیشن‌های دیگر این حوزه دیده می‌شوند. این اپلیکیشن می‌تواند از جلسات یادداشت‌برداری کند و به دیگر شرکت‌کنندگان اطلاع دهد که گفت‌وگو در حال ضبط است. کاربران می‌توانند اطلاعات جلسات مختلف را جست‌وجو کنند و هنگام گفت‌وگو، کمک زنده بگیرند تا جزئیات مهمی را از مکالمه‌های قدیمی‌تر به یاد بیاورند. ElevenLabs همچنین به شرکت‌ها امکان می‌دهد ElevenAgent را یکپارچه‌سازی کنند و اقدام‌های بعدی، مانند نوشتن پیش‌نویس ایمیل بر اساس یادداشت‌های جلسه، انجام دهند.

این اپلیکیشن همچنین قابلیت دیکته صوتی دارد که به کاربران امکان می‌دهد گفتار را در هر اپلیکیشنی به متنی ویرایش‌شده تبدیل کنند و از بیش از ۹۰ زبان پشتیبانی می‌کند. این شرکت می‌گوید اپلیکیشن می‌تواند اصطلاحات تخصصی هر صنعت را هم در فرایند دیکته صوتی و هم هنگام پیاده‌سازی متن جلسات تشخیص دهد.

ElevenAI به این شرکت امکان می‌دهد مدل اختصاصی خود را به نمایش بگذارد و از پلتفرم‌های عامل هوش مصنوعی‌اش نیز برای فراهم‌کردن زمینه و اطلاعات مرتبط‌تر استفاده کند. شاید هدف این استارتاپ رقابت مستقیم در بازار ابزارهای بهره‌وری نباشد، بلکه بخواهد گزینه‌ای در اختیار تیم‌های سازمانی بگذارد تا به‌جای خرید مجوز یک ابزار یادداشت‌برداری، از راهکار آن استفاده کنند. همه ابزارهای مرتبط با جلسات در تلاش‌اند به مخزن‌های مرکزی دانش شرکت‌ها تبدیل شوند و هم‌زمان استخراج دانش و انجام اقدام‌های بعدی را خودکار کنند.

این شرکت هفته گذشته همچنین نسل v3 مدل‌های تبدیل گفتار به متن Scribe را با قابلیت پیاده‌سازی زنده گفتار و امکان تنظیم دقیق مدل‌ها با استفاده از داده‌های اختصاصی شرکت‌ها عرضه کرد. افزون بر این، ابزاری برای انتخاب مدل زبانی مناسب بر اساس کاربرد و سازنده‌ای برای ایجاد روتین‌های خودکارسازی وظایف بر اساس متن پیاده‌سازی‌شده نیز منتشر کرد.