ElevenLabs tung loạt 13 sản phẩm AI giọng nói mới tại New York

Giọng nói đang trở thành mặt trận tiếp theo của AI doanh nghiệp. Tại hội nghị ở New York ngày 11/11/2026, công ty AI giọng nói này công bố loạt 13 sản phẩm và bản nâng cấp mới, trải dài từ mô hình nhận diện giọng nói, hệ thống điều phối hội thoại cho tới một ứng dụng làm việc hoàn toàn mới.

Động thái này đến đúng lúc thị trường voice agent nóng lên. Các trợ lý giọng nói đã vượt qua giai đoạn demo để bước vào vận hành thật, nơi độ chính xác của bản ghi, khả năng xử lý ngắt lời và trí nhớ về khách hàng cũ quyết định chất lượng dịch vụ.

Scribe v3 và Scribe v3 Live, ít lỗi hơn trên 102 ngôn ngữ

Tâm điểm của đợt công bố là Scribe v3, mô hình chuyển giọng nói thành văn bản cho bản ghi âm, cùng bản song sinh Scribe v3 Live dành cho âm thanh thời gian thực. Cả hai đều hỗ trợ 102 ngôn ngữ và đã mở qua ElevenAPI cùng ứng dụng ElevenLabs từ ngày 10/11/2026.

Theo số liệu tự kiểm tra của ElevenLabs, Scribe v3 mắc ít lỗi từ hơn 27% so với Scribe v2 trên cùng bộ dữ liệu đa ngôn ngữ, với tỉ lệ lỗi từ giảm từ 17% xuống 12,4%. Bản Live còn ấn tượng hơn ở khía cạnh ngữ nghĩa: lỗi từ theo nghĩa giảm 43% so với Scribe v2 Realtime, từ 12,5% xuống 7,1%. Đây cũng là lần đầu tiên một mô hình Scribe gắn nhãn người nói ngay trong luồng âm thanh trực tiếp.

Các con số trên là kết quả kiểm tra nội bộ của hãng, chưa qua kiểm chứng độc lập. Dù vậy, hướng cải tiến là rõ ràng: Scribe v3 nhắm vào âm thanh thực tế lộn xộn, nơi nhiều người nói chồng lên nhau. Hãng cũng ra mắt Scribe v3 Medical, phiên bản chuyên cho thuật ngữ y tế, và cho biết đang phát triển một mô hình tương tự cho lĩnh vực tài chính.

Interaction Engine điều phối mô hình theo từng đoạn hội thoại

Nếu Scribe v3 lo phần nghe, Interaction Engine lo phần điều hành cả cuộc hội thoại. Hệ thống này, hiện ở dạng xem trước, quyết định lượt nói thuộc về ai, xử lý khi người dùng ngắt lời và chọn mô hình ngôn ngữ phù hợp cho từng đoạn trao đổi.

Ý tưởng cốt lõi là không phải đoạn nào cũng cần mô hình mạnh nhất. Interaction Engine có thể giao việc sàng lọc ban đầu cho một mô hình nhẹ, rẻ hơn, rồi chỉ gọi mô hình cao cấp khi gặp yêu cầu phức tạp. Cách làm này vừa giảm độ trễ, vừa tiết kiệm chi phí token khi vận hành voice agent ở quy mô hàng nghìn cuộc gọi mỗi ngày.

ElevenAI, ứng dụng ghi chép họp bằng giọng nói

Đáng chú ý nhất với người dùng văn phòng là ElevenAI, ứng dụng làm việc mới được giới thiệu cùng đợt. Ứng dụng lắng nghe các cuộc trò chuyện bằng giọng nói, kể cả họp trực tiếp, rồi tạo ghi chú, bản tóm tắt và danh sách việc cần làm.

ElevenAI dùng Scribe v3 cho phần đọc chính tả và ghi chép họp, đồng thời mở đăng ký sớm miễn phí ngay từ thời điểm công bố. ElevenLabs cho biết ứng dụng ghi chép khi có sự đồng ý của người tham gia và có cơ chế thông báo, xin phép rõ ràng, một điểm nhạy cảm không thể bỏ qua khi micro luôn bật trong phòng họp.

Xu hướng này không còn xa lạ. Các bộ công cụ văn phòng AI đang đua nhau đưa trợ lý vào cuộc họp, từ ghi chép tới lập bảng tính và vẽ bảng trắng, như bộ công cụ mới của Claude ra mắt cùng tuần, hay Business Hub mà OpenAI vừa mở cho doanh nghiệp trên ChatGPT. Cuộc đua giờ không chỉ là ai nghe chính xác hơn, mà là ai biến cuộc họp thành công việc hoàn thành nhanh hơn.

Mô hình riêng cho từng doanh nghiệp và chương trình đối tác

Bên cạnh sản phẩm dùng ngay, ElevenLabs công bố hướng đi dài hơi hơn: tinh chỉnh mô hình theo từng doanh nghiệp. Hãng sẽ cùng doanh nghiệp tinh chỉnh một số mô hình ngôn ngữ nguồn mở chọn lọc và mô hình giọng nói của mình bằng dữ liệu từ các triển khai đang chạy thật, tối ưu theo tiêu chí doanh nghiệp chọn, chẳng hạn mức hài lòng của khách hàng hay độ tin cậy. Công việc này bắt đầu trong vài tháng tới.

Nền tảng triển khai agent ElevenAgents cũng được bổ sung hai tính năng sắp ra mắt là Memory và Routines. Memory nhận diện khách hàng cũ đã xác thực và tóm tắt mỗi cuộc trò chuyện thành hồ sơ về sở thích và ràng buộc, để khách không phải lặp lại thông tin như chỉ rảnh sau 17 giờ. Routines tự động hóa công việc nhiều bước quanh cuộc trò chuyện, từ sàng lọc hồ sơ vay rồi gọi lại trong vài phút, nhắc lịch khám cho bệnh nhân, tới gửi báo cáo qua email hay ghi vào hệ thống quản lý khách hàng.

Để đưa tất cả vào doanh nghiệp, ElevenLabs mở chương trình đối tác mới với hơn 550 đối tác tại 44 quốc gia, gồm Google Cloud, IBM, Deloitte, DXC và Genesys, cùng liên minh với McKinsey và QuantumBlack. Kèm theo là Marketplace với các ứng dụng do đối tác xây cho y tế, tài chính, bảo hiểm, giáo dục và bán lẻ.

Bắt tay NVIDIA, thêm 15 MW hạ tầng tính toán

ElevenLabs và NVIDIA mở rộng hợp tác, đưa mô hình Nemotron 3.5 Super VL vào ElevenAgents và bổ sung 15 MW năng lực tính toán trên nền tảng Vera Rubin, bên cạnh các hệ thống Blackwell Ultra hiện có. Con số này phục vụ các triển khai lớn có yêu cầu về bảo mật và lưu trữ dữ liệu tại chỗ.

Một ví dụ là hệ thống đặt lịch khám trung ương của Ba Lan, nơi agent giọng nói gọi cho bệnh nhân chỉ có điện thoại cố định để nhắc lịch và hỗ trợ đổi lịch. Hệ thống xử lý 40 triệu cuộc hẹn mỗi năm, với tỉ lệ không đến khám 10–20%, trên hạ tầng điện toán bảo mật của NVIDIA.

Giám đốc điều hành Mati Staniszewski đặt tham vọng cao hơn: trong vài năm tới, agent trò chuyện sẽ trở thành hạ tầng thiết yếu của mọi doanh nghiệp, quan trọng như điện toán đám mây hay thanh toán.

Nhiều thành phần trong gói công bố vẫn ở dạng xem trước hoặc sắp ra mắt, nên giá trị thật chỉ rõ ràng khi các sản phẩm đi vào vận hành rộng rãi. Cuộc đua AI giọng nói doanh nghiệp đã sang giai đoạn mới: không còn đo bằng giọng nói nghe thật đến đâu, mà bằng việc agent nhớ được gì, làm được gì và tốn bao nhiêu sau mỗi cuộc gọi.

Nguồn tham khảo: ElevenLabs