ElevenLabs đã đóng cửa Series D $500M với định giá $11 tỷ vào tháng Hai 2026 — tăng trưởng hơn ba lần định giá Series C trong vòng chỉ 13 tháng — trong khi cảnh quan startup voice AI rộng hơn thu hút khoảng $2.5B trong vốn mạo hiểm công khai trên toàn bộ các giai đoạn chỉ năm 2025 một mình. Sequoia Capital dẫn đầu vòng ElevenLabs; nhà đầu tư trên toàn bộ các lĩnh vực đã nộp 40+ thỏa thuận voice-AI trên $10M trong cửa sổ mười hai tháng tương tự.
Danh mục đã trưởng thành từ một sự tò mò nghiên cứu thành một cuộc chiến nền tảng sử dụng vốn chuyên sâu. Chất lượng tổng hợp thời gian thực đã vượt ngưỡng nhận thức khoảng năm 2023, tự động hóa trung tâm liên hệ tạo ra lực kéo doanh nghiệp và chơi game cộng với phát trực tiếp tạo ra lực kéo người tiêu dùng. Các nhà đầu tư hiện đang cược trên các công ty nào sở hữu lớp suy luận, lớp bản sắc voice và lớp phạm vi đa ngôn ngữ — và những công ty nào nhận được acqui-hired trước khi họ có thể mở rộng quy mô.
Bài viết này ánh xạ các vòng tự công bố lớn nhất từ năm 2024 đến đầu 2026, các công ty viết séc lớn nhất, cảnh quan khu vực và bốn chủ đề kỹ thuật cấu trúc nơi tiền thật sự đi.
TL;DR
- ElevenLabs $500M Series D (Tháng Hai 2026, định giá $11B, dẫn đầu Sequoia) là vòng tiêu đề cho chu kỳ.
- Murf AI tăng Series B (số tiền không được công bố, dẫn đầu NEA) tập trung vào tự động hóa TTS và voiceover doanh nghiệp vào giữa 2025.
- Resemble AI đã đóng cửa vòng tài trợ vào năm 2024 với sự hỗ trợ từ Initialized Capital cho cơ sở hạ tầng nhân bản voice thời gian thực.
- a16z, Sequoia, NEA và Lightspeed là bốn nhà lãnh đạo thể chế hoạt động tích cực nhất trong không gian.
- Mỹ chiếm ưu thế dòng giao dịch công khai (~65%). EU là mid-tier với túi hoạt động ở Anh và Đức. Trung Quốc tự chứa đựng. LATAM là sớm.
- Bốn chủ đề chiếm ưu thế VC thesis deck: suy luận thời gian thực, mô hình trên thiết bị, phạm vi đa ngôn ngữ, các đại lý voice doanh nghiệp.
1. Vòng Định Nghĩa: Series D ElevenLabs
Không có sự kiện nào định nghĩa tài trợ voice AI nhiều hơn Series D ElevenLabs vào tháng Hai 2026. Series D $500M, dẫn đầu bởi Sequoia Capital với sự tham gia của a16z và nhà đầu tư hiện có, định giá công ty ở $11 tỷ — bước tăng 3.3× từ Series C tháng Một 2025 ở $3.3 tỷ (Bloomberg, tháng Hai 2026).
| Vòng | Ngày | Số tiền | Nhà đầu tư dẫn đầu | Định giá |
|---|---|---|---|---|
| Seed | 2022 | Không được công bố | Nat Friedman / Daniel Gross | — |
| Series A | Tháng Sáu 2023 | $19M | Andreessen Horowitz (a16z) | ~$100M |
| Series B | Tháng Một 2024 | $80M | a16z | $1.1B |
| Series C | Tháng Một 2025 | $180M | ICONIQ Growth | $3.3B |
| Series D | Tháng Hai 2026 | $500M | Sequoia Capital | $11B |
Series D được sử dụng chủ yếu để tài trợ cho xây dựng cơ sở hạ tầng GPU (công ty xử lý hàng tỷ ký tự tổng hợp mỗi tháng), mở rộng các nhóm bán hàng doanh nghiệp ở Châu Âu và Nhật Bản, và tăng tốc độ phát triển mô hình đa ngôn ngữ.
Nguồn: Bloomberg, “ElevenLabs Raises $500 Million, Valued at $11 Billion” (tháng Hai 2026); Lưu trữ tài trợ ElevenLabs TechCrunch
2. Các Vòng Đáng Chú Ý Khác: 2024–2026
ElevenLabs là người nổi bật nhất nhưng không phải là câu chuyện duy nhất. Trên toàn bộ danh mục, năm 2024–2025 đã chứng kiến một làn sóng đóng cửa Series A và B cho các ứng dụng voice AI chuyên biệt.
| Công ty | Vòng | Số tiền gần đúng | Nhà đầu tư dẫn đầu | Trọng tâm chính |
|---|---|---|---|---|
| ElevenLabs | Series D | $500M | Sequoia Capital | Nền tảng TTS và nhân bản voice đa ngôn ngữ |
| Murf AI | Series B | Không được công bố | NEA | TTS doanh nghiệp, tự động hóa voiceover |
| Resemble AI | Vòng tài trợ | Không được công bố | Initialized Capital | API nhân bản voice thời gian thực |
| Speechify | Series B | $69M (2022, hoạt động mở rộng 2024) | Tiger Global | Nội dung âm thanh + TTS accessibility |
| Deepgram | Series B | $72M | Tiger Global | Speech recognition API |
| Suno | Series B | $125M | Lightspeed | Tạo âm nhạc AI + giọng hát |
| Rime Labs | Series A | Không được công bố | General Catalyst | TTS độ trễ thấp cho các tác nhân voice |
| Cartesia | Series A | $36M | a16z | Cơ sở hạ tầng TTS thời gian thực dưới 50ms |
| Play.ht | Series A | Không được công bố | Craft Ventures | Podcast-grade TTS + marketplace voice |
Ghi chú: Murf Series B và số tiền vòng Resemble không được công khai cho đến giữa 2026; “không được công bố” phản ánh sự thiếu tuyên bố công khai, không phải sự thiếu tài trợ. Nguồn: TechCrunch, Crunchbase News, PitchBook.
Series A Cartesia trị giá $36M vào năm 2025, dẫn đầu bởi a16z, đặc biệt quan trọng cho luận thuyết kỹ thuật của nó: mô hình Sonic của công ty đạt được độ trễ first-token dưới 50ms để sử dụng TTS thời gian thực — điểm chuẩn mở khóa các tác nhân voice tốc độ cuộc gọi nghe tự nhiên, không phải hệ thống IVR từ năm 2008.
3. Các Nhà Đầu Tư Hàng Đầu và Luận Thuyết Voice AI của Họ
Bốn tên thể chế xuất hiện trên các bản điều khoản với tính nhất quán đáng chú ý:
Andreessen Horowitz (a16z) tham gia vào Series A, B và Series D ElevenLabs (như một follow-on) và riêng biệt dẫn đầu Series A Cartesia. Nhóm AI a16z đã công khai trình bày luận thuyết xung quanh voice là giao diện chính cho các tác nhân AI — “cách máy tính nói lại.” Quỹ cơ sở hạ tầng AI của họ bao gồm hai vị trí cụ thể về voice cho đến đầu 2026.
Sequoia Capital dẫn đầu Series D ElevenLabs và đã hoạt động trong các công ty âm thanh AI liền kề. Cược của Sequoia là trên các công ty nền tảng sở hữu nhận dạng voice ở quy mô — đối số rằng bất kỳ ai kiểm soát nhân vật voice của tác nhân doanh nghiệp cũng kiểm soát nhận thức thương hiệu.
NEA dẫn đầu Series B Murf AI và đã hỗ trợ các công ty TTS tập trung vào doanh nghiệp. Sách chơi của NEA trong voice AI phản ánh phương pháp tiếp cận cơ sở hạ tầng SaaS: tìm công cụ được sử dụng bởi những người tạo nội dung không kỹ thuật nhất và xây dựng phân phối thông qua tăng trưởng dẫn đầu sản phẩm.
Lightspeed Venture Partners dẫn đầu Series B Suno và đã tham gia vào nhiều thỏa thuận voice AI âm thanh thời gian thực. Cược creative consumer của Lightspeed là tiếng âm thanh generative (nhạc + voice) sẽ trở thành lớp công cụ tạo trên phần cứng tiêu dùng.
Các nhà đầu tư thể chế khác có các vị trí voice AI theo dõi: Google Ventures (GV), Khosla Ventures, General Catalyst, Tiger Global (các chu kỳ trước), Craft Ventures.
4. Ảnh Chụp Nhanh Khu Vực: Dòng Vốn Đi Đâu
Hoa Kỳ — Chiếm Ưu Thế
Mỹ chiếm khoảng 60–65% của vốn mạo hiểm voice AI công khai. Cụm Silicon Valley (South Bay + SF) chiếm ưu thế, với New York là trung tâm phụ. Môi trường quy định, tập trung tài năng (các cựu sinh viên Stanford, CMU, MIT) và tiếp cận cơ sở hạ tầng GPU qua AWS/Azure/GCP đều làm cho các công ty Mỹ có lợi thế cấu trúc cho các vòng lớn.
Châu Âu — Mid-Tier với Túi Hoạt Động
Anh Quốc (London) đã sản xuất một số công ty voice AI đã tăng các vòng có ý nghĩa — Papercup (tạo nhân vật AI, được Atomico hỗ trợ), Respeecher (chuyển đổi voice, dựa trên Ukraine/phân tán), và các startup chế độ che giấu khác xung quanh cụm NLP Edinburgh. Đức đón tiếp Aleph Alpha với phơi bày generative AI rộng hơn bao gồm voice. Đạo luật AI của EU đã giới thiệu chi phí tuân thủ mà một số nhà đầu tư trích dẫn là gió ngược cho các startup voice AI châu Âu cụ thể, đặc biệt là xung quanh dữ liệu sinh trắc voice và yêu cầu đồng ý.
Trung Quốc — Hệ Sinh Thái Tự Chứa Đựng
Cảnh quan voice AI Trung Quốc lớn nhưng phần lớn không thể tiếp cận được cho VC phương Tây. ByteDance tổng hợp voice nội bộ (được sử dụng trong Doubao và TikTok), dịch vụ voice dựa trên ERNIE của Baidu và iFlytek (giao dịch công khai, vốn hóa thị trường ~$15B) chiếm ưu thế trong nước. Minimax, những người tăng Series B vào năm 2024, là startup voice AI Trung Quốc được trích dẫn nhiều nhất có tham vọng quốc tế, nhưng dòng VC xuyên biên giới vẫn còn tối thiểu. Các startup voice AI Trung Quốc tăng các vòng trong nước đáng kể vào năm 2024–2025 từ các quỹ như Hillhouse và Qiming, nhưng những quỹ không được bao gồm trong cơ sở dữ liệu giao dịch đối mặt với Phương Tây.
Brazil và LATAM — Sớm
LATAM là khu vực ngôn ngữ chính lớn nhất bị bỏ qua trong đầu tư voice AI. Tiếng Bồ Đào Nha và Tây Ban Nha là 10 ngôn ngữ hàng đầu bằng số lượng người nói bản địa, nhưng các công ty Series A+ voice AI chuyên dụng có vị trí LATAM-first hiếm khi được tìm thấy. Maritaca AI (Brazil) tăng vòng giai đoạn đầu tập trung vào mô hình ngôn ngữ Bồ Đào Nha có thành phần voice. Các quỹ SaaS khu vực — Redpoint eventures, Quỹ Softbank Mỹ Latinh, Canary — đã hỗ trợ các công ty AI chung bao gồm các tính năng voice, nhưng một công ty voice AI LATAM thuần chất ở Series A hoặc trên chưa được công bố công khai tính đến giữa 2026. Khoảng cách được giải thích một phần bởi tập trung tài năng Bồ Đào Nha và Tây Ban Nha ở các công ty dựa trên Mỹ (ElevenLabs, OpenAI, Google).
Thị Trường Mới Nổi Khác
Ấn Độ đã thấy hoạt động xung quanh TTS đa ngôn ngữ cho tiểu lục địa của 22+ ngôn ngữ chính thức. Sarvam AI tăng ~$41M vào năm 2024 cho AI ngôn ngữ Ấn Độ đa ngôn ngữ bao gồm lời nói (Lightspeed India, Peak XV). Trung Đông, được thúc đẩy bởi đầu tư AI có chủ quyền (G42 của UAE, Quỹ Đầu tư Công khai của Ả Rập Xê Út), có thành phần voice AI nhưng thường là các tính năng trong nền tảng LLM rộng hơn, không phải các vòng voice độc lập.
5. Bốn Chủ Đề Kỹ Thuật Thúc Đẩy Luận Thuyết Nhà Đầu Tư
Trên toàn bộ các công ty được tài trợ nêu trên, bốn chủ đề kỹ thuật xuất hiện trong hầu hết mọi bản ghi nhớ nhà đầu tư:
Suy Luận Thời Gian Thực (độ trễ dưới 200ms). Thị trường trung tâm liên hệ và chơi game cả hai yêu cầu tổng hợp voice phản ứng dưới 200ms — nhanh hơn con người xử lý tạm dừng tự nhiên trong cuộc trò chuyện. Sonic Cartesia, Turbo v2 ElevenLabs và các mô hình tương tự đã vượt qua rào cản này trên GPU đám mây. Luận thuyết đầu tư là bất cứ ai sở hữu cơ sở hạ tầng TTS thời gian thực dưới 50ms ở quy mô sẽ tính phí cao cho các nhà xây dựng đại lý voice doanh nghiệp.
Mô Hình Voice Trên Thiết Bị. Quy định quyền riêng tư (GDPR, CCPA) và tùy chọn người dùng cho chức năng ngoại tuyến đang thúc đẩy nhu cầu các mô hình chạy trên phần cứng tiêu dùng mà không cần vòng đám mây. Đầu tư của Apple vào tổng hợp lời nói trên thiết bị (tăng tốc Neural Engine trong chip M-series) đã xác thực thị trường; các startup nhắm mục tiêu Windows và Android trên voice thiết bị hiện đang tăng trên luận thuyết này.
Phạm Vi Đa Ngôn Ngữ Beyond Top-10. ElevenLabs hỗ trợ 32+ ngôn ngữ. Biên giới tiếp theo là “ngôn ngữ đuôi dài” — Swahili, Bengali, Yoruba, Marathi — được nói bởi hàng trăm triệu người hiện đang nhận chất lượng TTS bị suy giảm. Các nhà đầu tư thấy điều này là hào nhoáng bảo vệ được: đào tạo TTS chất lượng cao cho ngôn ngữ nguồn lực thấp là chi phí cao và chậm, ý nghĩa người đi tiên phong khóa hợp đồng doanh nghiệp trong các khu vực đó.
Các Tác Nhân Voice Doanh Nghiệp (Trung Tâm Liên Hệ + HR + Bán Hàng). Nhóm doanh thu gần kỳ hạn lớn nhất cho voice AI là tự động hóa trung tâm liên hệ. Gartner ước tính vào năm 2025 rằng chỉ 5% trung tâm liên hệ doanh nghiệp có voicebot GenAI đối mặt với khách hàng trong sản xuất, nhưng 44% đang khám phá. Chuyển đổi từ nhóm khám phá này thành sản xuất là cơ hội đa tỷ đô la, và mỗi nhà đầu tư trong voice AI có một câu chuyện trung tâm liên hệ trong danh mục đầu tư của họ.
6. Tiêu Chuẩn Định Giá và Những Gì Họ Báo Hiệu
Định giá $11B ElevenLabs ở Series D ngụ ý khoảng 20–25× bội số doanh thu tương lai — tấn công nhưng nhất quán với các công ty cơ sở hạ tầng SaaS top-decile ở quy mô tương đương. Để có bối cảnh:
- Deepgram (API nhận dạng lời nói): tăng ở định giá ngụ ý ~$400M trong Series B 2022, phát triển thành định giá không công bố 2024 — có khả năng phạm vi $600M–$1B dựa trên bội số doanh thu tương đương.
- Speechify: được báo cáo cuối cùng ở định giá ~$1.1B (vòng 2022, hoạt động kéo dài đến 2025), chủ yếu là TTS tiêu dùng với trọng tâm accessibility.
- Suno: Series B $125M ở định giá báo cáo $500M (Lightspeed, 2024) — music-first nhưng tạo giọng hát tạo ra cross-over với danh mục voice AI.
Sự lan rộng giữa Suno ($500M) và ElevenLabs ($11B) phản ánh cả sự khác biệt TAM và mô hình kinh doanh nền tảng API: ElevenLabs tính phí cho mỗi ký tự và cho mỗi ghế doanh nghiệp, tạo doanh thu định kỳ có thể dự đoán được mà bội số SaaS thưởng; Suno vẫn đang giải quyết con đường tiền tệ hóa người tiêu dùng.
7. Tiếp Theo Là Gì: Triển Vọng 2027
Dựa trên quỹ đạo giao dịch công khai và bình luận nhà đầu tư công khai thông qua giữa 2026, ba kịch bản có khả năng cho tài trợ voice AI thông qua 2027:
Hợp nhất thông qua acqui-hire. Nhóm Series A từ 2023–2024 (20+ công ty tăng $5M–$25M cho tính năng voice chuyên biệt) sẽ phải đối mặt với bài kiểm tra áp lực khi ElevenLabs và OpenAI mở rộng phạm vi mô hình. Mong đợi 5–8 acqui-hire hoặc acqui-merger của startup voice AI dưới quy mô vào nền tảng lớn hơn vào cuối 2027.
Sóng Series B Tác Nhân Voice Doanh Nghiệp. Trung tâm liên hệ và trường hợp sử dụng tự động hóa bán hàng Outbound tạo ra một lớp công ty mới — không phải cơ sở hạ tầng tổng hợp, mà là ứng dụng tổng hợp. Các công ty như Rime Labs, Bland AI và Synthflow ở những inning sớm của sóng này. Mong đợi 3–5 Series B đóng cửa trong phạm vi $30M–$80M cho nền tảng đại lý voice doanh nghiệp trên 2026–2027.
Sóng Đầu Tư Mô Hình Trên Thiết Bị. Khi Apple M-series và Qualcomm Snapdragon Elite chứng minh rằng phần cứng tiêu dùng có thể chạy tổng hợp thời gian thực cục bộ, mong đợi sóng seed-to-Series-A nhắm mục tiêu cụ thể các ứng dụng voice gốc Windows và Android — sản phẩm không yêu cầu đăng ký đám mây cho chức năng cốt lõi.
Tài liệu tham khảo bên ngoài: Phạm vi tài trợ voice AI TechCrunch; Trình theo dõi thỏa thuận AI Crunchbase News; Phân tích thị trường voice AI PitchBook
8. Bối Cảnh Nội Bộ: Thị Trường Voice AI và Công Cụ Người Tiêu Dùng
Cảnh quan tài trợ được mô tả ở trên tập trung vào cơ sở hạ tầng nền tảng — API, công cụ tổng hợp, phần mềm doanh nghiệp. Tuy nhiên, những xu hướng tương tự thu hút vốn mạo hiểm cũng giải thích lý do tại sao các công cụ voice có bậc người tiêu dùng đang thấy áp dụng chính đôi mục đích.
Để có bối cảnh nơi thị trường tạo voice AI đứng tổng thể, xem thống kê thị trường tạo voice AI 2026 và thống kê lồng tiếng AI 2026. Rủi ro deepfake đi kèm với chất lượng tổng hợp cải thiện được bao gồm trong thống kê deepfake 2026.
Nếu bạn đánh giá công cụ thay đổi voice tiêu dùng thay vì API tổng hợp B2B, changer voice AI tốt nhất 2026 bao gồm tùy chọn gốc Windows trên các điểm giá.
Ở phía tiêu dùng, VoxBooster là changer voice gốc Windows bootstrap xử lý audio cục bộ trên phần cứng của bạn — không cần đăng ký đám mây cho hiệu ứng voice cốt lõi và điều chỉnh voice thời gian thực. Nó ngồi ở đầu ngược của phổ tài trợ từ ElevenLabs: không vốn mạo hiểm, không giá API theo ký tự, không độ trễ được giới thiệu bởi vòng đám mây. Bắt đầu từ $6.99/tháng, nó nhắm mục tiêu những người chơi game, những người phát trực tiếp và những người lao động từ xa muốn hiệu ứng chuyên nghiệp mà không cần giá doanh nghiệp.
FAQ
ElevenLabs đã tất cả các quỹ tổng cộng bao nhiêu từ năm 2026?
ElevenLabs đóng cửa Series D $500M vào tháng Hai 2026 với định giá $11B được dẫn đầu bởi Sequoia Capital. Kết hợp với Series B $80M (tháng Một 2024) và Series C $180M (tháng Một 2025), công ty đã tập hợp khoảng $800M trong các vòng công khai trên toàn bộ lịch sử tài trợ của nó.
Những nhà đầu tư nào hoạt động nhất trong các startup voice AI năm 2027?
a16z, Sequoia Capital, NEA, Lightspeed Venture Partners và Google Ventures là những nhà đầu tư dẫn đầu được trích dẫn thường xuyên nhất trong các vòng voice AI giữa năm 2024 và 2027. a16z một mình đã tham gia vào bốn thỏa thuận liên quan đến voice-AI vượt quá $50M trong cửa sổ đó.
Liệu tài trợ VC voice AI có đang chậm lại vào năm 2027?
Các tín hiệu sẵn có cho đến đầu 2026 cho thấy tốc độ giao dịch đang chậm lại ở mức siêu-vòng (Series C+) trong khi hoạt động seed và Series A vẫn sôi động, đặc biệt là đối với suy luận thời gian thực và mô hình trên thiết bị. Tổng công khai VC vào voice AI đạt khoảng $2.5B vào năm 2025 trên toàn bộ các giai đoạn.
Những chủ đề đầu tư chính nào đang thúc đẩy tài trợ voice AI năm 2026–2027?
Suy luận thời gian thực (độ trễ dưới 200ms đối với các cuộc gọi và chơi game trực tiếp), mô hình voice trên thiết bị (quyền riêng tư + sử dụng offline), phạm vi đa ngôn ngữ vượt quá 10 ngôn ngữ hàng đầu và các đại lý voice doanh nghiệp cho trung tâm liên hệ là bốn chủ đề xuất hiện liên tục nhất trong bản ghi nhớ của nhà đầu tư và tờ báo chí.
Hệ sinh thái voice AI của Trung Quốc so sánh với Hoa Kỳ như thế nào?
Thị trường Trung Quốc phần lớn tự chứa đựng. ByteDance, Baidu và Tencent đều vận hành các bộ phận tổng hợp voice nội bộ. Các startup trong nước như Minimax và iFlytek kiểm soát cổ phần doanh nghiệp đáng kể bên trong Trung Quốc nhưng thu hút VC Phương Tây có thể bỏ qua. Dòng vốn xuyên biên giới trong voice AI giữa Mỹ và Trung Quốc đã tối thiểu kể từ năm 2023.
Có bất kỳ startup voice AI được tài trợ nào tập trung vào Mỹ Latinh không?
LATAM vẫn còn non trẻ cho đầu tư voice AI chuyên dụng. Startup NLP Brazil Maritaca AI tăng vòng seed năm 2024 với trọng tâm ngôn ngữ tiếng Bồ Đào Nha và các trình tăng tốc độ khu vực đã hỗ trợ các công ty LLM đa năng có thành phần voice. Công ty Series A voice AI LATAM chuyên dụng chưa được công bố công khai tính đến giữa 2026.
Bootstrap có nghĩa là gì trong bối cảnh công cụ voice AI?
Bootstrapped có nghĩa là một sản phẩm được tài trợ hoàn toàn bởi doanh thu của riêng nó mà không có vốn mạo hiểm bên ngoài. Điều này hiếm khi xảy ra trong các công ty mô hình nền tảng (yêu cầu tính toán GPU) nhưng khả thi đối với các công cụ thay đổi voice gốc Windows có bậc người tiêu dùng chạy suy luận cục bộ trên phần cứng người dùng thay vì trên máy chủ đám mây.