ElevenLabs 正在用一笔收购,把“日语语音 AI”从一项需要从头搭建的能力,变成其全球交互层中一个即插即用的模块。 2026 年11月,这家估值220亿美元的语音AI公司宣布收购日本语音AI实验室Kotoba Technologies,交易预计于 2026年第四季度完成,尚待监管审批。这是ElevenLabs在日本的首次收购,Kotoba的15名员工将并入ElevenLabs,东京研发据点保留。
Kotoba 成立于2023年,由两位AI研究者Noriyuki Kojima(小岛熙之)和Jungo Kasai(笠井淳吾)联合创立,总部设于旧金山,研发重心在东京。Kojima 拥有康奈尔大学计算机博士学位,曾任职于Hugging Face,并参与构建了在日本“富岳”超算上从头训练的开源模型Fugaku-LLM;Kasai 拥有华盛顿大学博士学位,曾任芝加哥丰田技术研究所助理教授,是日本被引用量最高的 AI 研究者之一。

Kotoba 的核心资产是自研语音基座模型 Koto,覆盖日语文本转语音(TTS)、语音识别(ASR)以及面向同声传译的语音到语音(S2S)转换。在被收购前,Kotoba 已在 2026 年 6 月完成由 Kindred Ventures 领投的 1000 万美元种子轮追加融资,累计融资 2300 万美元,投资方包括 Salesforce Ventures 和索尼创新基金。其企业客户中最具代表性的是 Salesforce,Koto 为 Agentforce Voice 提供日语对话能力。
ElevenLabs 在公告中花费了大量篇幅解释一件事:日语语音 AI 的难点远不止语音识别和合成的准确率。日语表达常省略主语和宾语,词汇随对话对象而变化,直接说“不”往往被回避,停顿可能表示思考而非冷场。日本文化中甚至有一个词——“空気を読む”(读空气)——要求听者领会未被说出口的意图。

这意味着一个真正可用的日语语音 Agent,需要在架构层面就嵌入这些社会文化规范,而非在通用模型上做语言适配。ElevenLabs CEO Mati Staniszewski 的表述很直接:“人们使用的语言和遵循的社会规范,需要从技术架构的最开始就被反映进去。Kotoba 在日本做的正是这件事。”
收购金额:双方官方公告未披露财务条款。据 Dealroom 和日经亚洲报道,交易对价超过 1 亿美元。
ElevenLabs 的日本布局:ElevenLabs 已于 2025 年在日本设立子公司,此次收购 Kotoba 使其获得一个已经落地企业客户的本土团队,而非从零建立本地研发能力。公司计划在未来数月内强化日本销售团队,并继续投资日本基础设施,目标客户包括日本本土企业以及在日运营的跨国公司。
Kotoba 的延续性:Kotoba 团队将继续参与模型研发、产品开发与企业部署。其语言覆盖计划从日语进一步扩展至韩语等东亚语言,这与 Kotoba 此前在 API 层面已支持日语、韩语、中文、英语的方向一致。
从 ElevenLabs 的整体节奏看,这笔收购发生在公司估值升至 220 亿美元、并明确表示计划在两到三年内准备 IPO 的背景下。收购 Kotoba 是在其核心语音生成能力之外,补齐东亚语言与企业级语音 Agent 落地能力的一步:日本是全球第四大经济体,而语音 Agent 在企业客服、会议、车载等场景的商业化正在加速。
项目链接:https://elevenlabs.io/blog/kotoba
Kotoba官方公告:https://site.kotoba.tech/news/kotoba-is-joining-elevenlabs
