ElevenLabs預覽Interaction Engine，企業模型微調規劃數月內支援

ElevenLabs宣布企業專屬AI模型微調計畫，並預覽對話協調系統Interaction Engine。

ElevenLabs於11日在紐約峰會上預覽Interaction Engine，另表示計畫在數月內支援企業專屬微調功能。

微調對象包括特定開源語言模型與ElevenLabs的語音模型。公司計畫依據企業資料與指標調整模型。

企業可使用AI服務實際部署期間取得的資料，並選擇客戶滿意度（CSAT）、可靠性等指標。ElevenLabs研究團隊將與企業合作，依據雙方選定的指標調整模型。

ElevenLabs共同創辦人兼執行長馬蒂·斯塔尼斯澤夫斯基（Mati Staniszewski）表示：「若不反映個人與企業的獨特性，就無法解決人與AI互動的問題。」他說明，模型調整將納入各企業不同的情境與評估標準。

ElevenLabs在官方LinkedIn貼文中進一步說明，語音模型涵蓋文字轉語音（Text to Speech）與語音轉文字（Speech to Text）。不過，官方公告未具體說明語音模型的適用範圍。

ElevenLabs也表示正在開發金融服務領域的最佳化模型。醫療領域方面，公司以Scribe v3 Medical為例，稱其可辨識複雜醫學用語，以及名稱相近的藥物。

關於Scribe v3 Medical的性能描述來自公司公告，尚未提供獨立驗證結果。目前的語音辨識說明文件則建議，醫療與臨床音訊使用Scribe v2 Medical。

峰會公告未說明Scribe v3 Medical的推出時間或是否會全面開放。產品說明文件列出的模型版本與峰會提及的版本不同。

Interaction Engine是一套協調對話各階段回應時機與語言模型選擇的系統，ElevenLabs此次以預覽形式介紹。

系統會判斷使用者何時說完，也會在使用者於對話中插話時協調AI停止回應，處理依對話進程開始或中止回應的情境。

系統也會依請求內容選擇要使用的大型語言模型（LLM）：簡單請求可分配成本較低的模型，複雜請求則可交由效能較高的模型處理。

ElevenLabs表示，透過模型選擇可管理Token用量。Token是語言模型處理輸入與輸出時使用的文字單位。

既有的ElevenAgents文件也介紹了對話輪次與插話設定。本刊先前曾報導，ElevenLabs推出能為語音轉錄結果標註逐字發話時間的Model Queues；此次Interaction Engine則聚焦於對話流程與語言模型選擇。

紐約峰會議程包含金融領域座談，參與者有Customers Bank、Banco Inter與那斯達克（Nasdaq）相關人士。參與座談不代表這些機構採用或支持新產品。

ElevenLabs在官方公告中表示，計畫於數月內支援企業專屬微調功能，但尚未公布確切推出日期，也未說明Interaction Engine全面開放的時程。