ElevenLabs покупает японскую голосовую лабораторию Kotoba вместе с моделью Koto
ElevenLabs объявила о приобретении японской Kotoba — лаборатории, чья модель Koto уже озвучивает японские диалоги в Salesforce Agentforce Voice. Сделка должна закрыться в конце 2026 года при одобрении регуляторов.

Адаптация и понятное объяснение для начинающих. Заявления приведены по материалу источника.
Голосовые модели для японского языка упираются не только в архитектуру, но и в вещи, которые трудно записать в датасет: в японском предложении не всегда есть подлежащее и сказуемое, лексика меняется в зависимости от собеседника, а пауза часто означает размышление, а не неловкость. Именно на этой специфике и построена японская лаборатория Kotoba, которую объявила о покупке ElevenLabs.
Сумму сделки компания не раскрывает. По её заявлению, закрытие ожидается в четвёртом квартале 2026 года и зависит от стандартных регуляторных одобрений — то есть на момент публикации приобретение ещё не завершено.
Что именно покупают
Kotoba основана в 2023 году исследователями Нориюки Кодзимой и Джунго Касаи. Кодзима защитил диссертацию по информатике в Корнеллском университете, работал в Hugging Face и участвовал в создании Fugaku-LLM — открытой модели, обученной с нуля на суперкомпьютере RIKEN Fugaku. Касаи имеет степень PhD по информатике и инженерии Вашингтонского университета, преподавал в Toyota Technological Institute при Чикагском университете и, по формулировке ElevenLabs, входит в число самых цитируемых исследователей Японии.
Главный продукт лаборатории — модель Koto. Она закрывает три задачи: синтез речи по тексту (text-to-speech, TTS), распознавание речи (speech-to-text, STT) и преобразование речи в речь, в том числе для синхронного перевода. ElevenLabs утверждает, что Koto уже используют крупные международные компании; единственный названный пример — Salesforce, где модель обеспечивает японские диалоги в Agentforce Voice.
Почему локальность важна для голосового ИИ
В анонсе ElevenLabs много места уделено культурным нормам общения. Компания приводит японское выражение kūki o yomu — «читать воздух», то есть улавливать невысказанное. Для голосового агента это означает, что мало правильно распознать слова: нужно ещё верно интерпретировать вежливые формы, смягчённый отказ и намеренную недосказанность.
Технический директор ElevenLabs Пётр Домбковски называет японский «исключительно запутанным языком», который ставит целый ряд задач перед разработчиками голосовых моделей. По его словам, объединение исследований обеих команд должно улучшить японский язык во всех компонентах стека ElevenLabs.
Что это меняет на практике
Для разработчиков, которые строят голосовых агентов, сделка означает, что японская экспертиза переходит под крыло компании, известной синтезом речи и голосовыми интерфейсами. ElevenLabs обещает наращивать локальную команду продаж и инвестиции в инфраструктуру в Японии, а также плотнее работать с японскими компаниями и международными корпорациями, которые там работают.
Пока это планы, а не готовые продукты. Как именно технологии Kotoba встроятся в существующие сервисы ElevenLabs, сохранится ли Koto как отдельная модель и что будет с текущими клиентами лаборатории — в анонсе не сказано. До закрытия сделки эти вопросы остаются открытыми.


