في كلمة ألقاها خلال مؤتمر TechCrunch Disrupt 2025، كشف ماتي ستانيزيفسكي، المؤسس والرئيس التنفيذي لشركة ElevenLabs، عن رؤيته المستقبلية لتطور نماذج الذكاء الاصطناعي في مجال الصوت، مؤكدًا أن هذه النماذج ستتحول تدريجيًا إلى منتجات "مُستهلكة" أو شائعة، أي أن اختلافاتها بين الشركات ستتضاءل مع مرور الوقت. ومع ذلك، أوضح أن هذا التطور لا يعني تراجع أهمية الاستثمار في بناء النماذج في المرحلة الحالية، بل يعكس استراتيجية استراتيجية طويلة الأمد. وأشار ستانيزيفسكي إلى أن فريق البحث في ElevenLabs تمكن من التغلب على تحديات رئيسية في هندسة النماذج، مشيرًا إلى أن هذا التقدم سيستمر في الأشهر والسنوات القليلة المقبلة. ورغم توقعه باندماج النماذج في بيئة متشابهة بمرور عامين، أشار إلى أن الفروق بينها قد تظل ملحوظة في بعض الأصوات أو اللغات، لكنها ستكون أقل تأثيرًا على مستوى الأداء العام. وأجاب على سؤال محوري: لماذا تواصل ElevenLabs تطوير نماذجها إذا كانت ستُصبح شائعة؟ فأجاب بأن التميّز في جودة الصوت والتفاعل البشري هو ما يزال التحدي الأكبر اليوم، وأن الحل الوحيد له هو بناء النماذج من الداخل. وأضاف أن هذه الميزة تمثل "أكبر تقدم ممكن في الوقت الراهن"، موضحًا أن اللاعبين الآخرين سيستمرون في تطوير نماذج مماثلة لاحقًا، ما يُسهم في تعميم الجودة. وأشار إلى أن المستخدمين الذين يبحثون عن حلول موثوقة وقابلة للتوسع سيواصلون استخدام نماذج مختلفة حسب الحاجة، لكن التوجه العام سيتجه نحو النماذج متعددة الوسائط أو المدمجة. وأوضح أن المستقبل القريب سيشهد تكاملًا بين الصوت والفيديو، أو بين الصوت ونماذج لغة كبيرة (LLMs) في سياقات تفاعلية حية. وذكر مثالًا على ذلك، نموذج Google Veo 3، الذي يُظهر الإمكانيات الكبيرة عند دمج النماذج المختلفة. وأكد أن ElevenLabs تخطط لتوسيع نطاق تعاوناتها مع شركات أخرى، واستغلال التقنيات المفتوحة المصدر، بهدف دمج خبرتها في الصوت مع قدرات نماذج أخرى. وشدد على أن الهدف ليس فقط بناء نماذج قوية، بل أيضًا تطوير تطبيقات عملية تُحدث فرقًا حقيقيًا. في الختام، قارن ستانيزيفسكي بين نموذج Apple، الذي نجح بدمج البرمجيات والهاردوير، وبين ما يسعى إليه شركته: دمج المنتج مع الذكاء الاصطناعي لإطلاق أفضل التطبيقات في الجيل القادم. واعتبر أن هذه المزج هو ما سيمكّن من خلق قيمة حقيقية ومستدامة، حتى في بيئة تتجه نحو توحيد المكونات التقنية.