rabbit 联手 ElevenLabs：为 r1 随身硬件接入拟真人声

今年初在科技圈刷屏的那只橙色小方块，终于决定找个好嗓子了。

语音 AI 初创团队 ElevenLabs 宣布与硬件公司 rabbit 达成合作。接下来的 rabbit r1 随身 AI 设备，将直接接入 ElevenLabs 的语音技术，为用户提供逼真、低延迟的语音互动。

按照官方的说法，这次合作的目的很简单：让你对着设备说话时，听到的不再是冷冰冰的机械合成音，而是一个有情绪、有停顿的真人助理。

橙色小方块接上顶级声带

rabbit r1 是一款主打独立操作的随身 AI 硬件。你不需要在上面一个个翻找应用，只需按住机身上的按钮说话，它就能理解你的意图。

在底层，r1 依靠自研的 rabbit OS 和大动作模型（LAM）来跨应用执行操作。比如帮你叫车、点外卖、调用 Midjourney 生成图片，或者通过机身上带摄像头的「rabbit eye」扫一眼冰箱，直接给你推荐晚餐菜谱。

但如果一个随身助理要在现实里频繁替你办事，它的反馈方式就至关重要。

rabbit 创始人兼 CEO 吕骋表示，他们希望 r1 的体验尽可能顺畅直观，用户按住按钮就能像跟私人助理交流一样轻松。而 ElevenLabs 提供的超高质量和低延迟模型，刚好能把这种交互变得自然。

ElevenLabs 拥有针对特定场景优化的专有语音模型，不仅能处理长音频和多语言生成，还针对低延迟任务专门做过调优。他们的技术支持 29 种语言，在游戏、配音、辅助功能等领域已经积累了不少口碑。

ElevenLabs CEO Mati Staniszewski 表示，他们正在与 rabbit 一起拉近人机交互的未来，目标是让 r1 成为用户真正的动态副驾。

为什么重要

对用户来说，AI 硬件成败的关键往往就在一两秒的感官体验里。r1 的卖点是脱离手机、靠语音办事，如果你说完一句话，设备卡顿三秒，接着吐出一串毫无感情的机器播报，用户很快就会把它扔进抽屉。接入 ElevenLabs 的低延迟与自然语调，至少在听觉层面上，让这款设备有了让人愿意频繁按键对话的动力。

在行业层面，这标志着 AI 原生硬件开始从纯自研转向生态拼接。初创团队不可能在硬件设计、操作系统、大动作模型和语音生成上处处做到行业第一。rabbit 把重心放在外壳工业设计和底层的 LAM 操作引擎上，而把语音合成全权交给当前在语音赛道领跑的 ElevenLabs，这是目前小团队打造高水准硬件最务实的路径。

不过，我们认为这种组合也隐藏着实际体验上的考验。打车、点餐这些操作需要端侧网络请求、LAM 理解多层指令、调用第三方平台，最后再经过云端 TTS 生成语音播报。这一整套链路串联下来，整体响应延迟能不能控制在用户随手掏出来就用的忍耐度之内，还有待现实网络环境的检验。