rabbit 聯手 ElevenLabs：為 r1 隨身硬體接入擬真人聲

今年初在科技圈刷屏的那隻橙色小方塊，終於決定找個好嗓子了。

語音 AI 初創團隊 ElevenLabs 宣佈與硬體公司 rabbit 達成合作。接下來的 rabbit r1 隨身 AI 裝置，將直接接入 ElevenLabs 的語音技術，為使用者提供逼真、低延遲的語音互動。

按照官方的說法，這次合作的目的很簡單：讓你對著裝置說話時，聽到的不再是冷冰冰的機械合成音，而是一個有情緒、有停頓的真人助理。

橙色小方塊接上頂級聲帶

rabbit r1 是一款主打獨立操作的隨身 AI 硬體。你不需要在上面一個個翻找應用，只需按住機身上的按鈕說話，它就能理解你的意圖。

在底層，r1 依靠自研的 rabbit OS 和大動作模型（LAM）來跨應用執行操作。比如幫你叫車、點外賣、呼叫 Midjourney 生成圖片，或者通過機身上帶攝像頭的「rabbit eye」掃一眼冰箱，直接給你推薦晚餐菜譜。

但如果一個隨身助理要在現實裡頻繁替你辦事，它的反饋方式就至關重要。

rabbit 創始人兼 CEO 呂騁表示，他們希望 r1 的體驗儘可能順暢直觀，使用者按住按鈕就能像跟私人助理交流一樣輕鬆。而 ElevenLabs 提供的超高質量和低延遲模型，剛好能把這種互動變得自然。

ElevenLabs 擁有針對特定場景最佳化的專有語音模型，不僅能處理長音訊和多語言生成，還針對低延遲任務專門做過調優。他們的技術支援 29 種語言，在遊戲、配音、輔助功能等領域已經積累了不少口碑。

ElevenLabs CEO Mati Staniszewski 表示，他們正在與 rabbit 一起拉近人機互動的未來，目標是讓 r1 成為使用者真正的動態副駕。

為什麼重要

對使用者來說，AI 硬體成敗的關鍵往往就在一兩秒的感官體驗裡。r1 的賣點是脫離手機、靠語音辦事，如果你說完一句話，裝置卡頓三秒，接著吐出一串毫無感情的機器播報，使用者很快就會把它扔進抽屜。接入 ElevenLabs 的低延遲與自然語調，至少在聽覺層面上，讓這款裝置有了讓人願意頻繁按鍵對話的動力。

在行業層面，這標誌著 AI 原生硬體開始從純自研轉向生態拼接。初創團隊不可能在硬體設計、作業系統、大動作模型和語音生成上處處做到行業第一。rabbit 把重心放在外殼工業設計和底層的 LAM 操作引擎上，而把語音合成全權交給當前在語音賽道領跑的 ElevenLabs，這是目前小團隊打造高水準硬體最務實的路徑。

不過，我們認為這種組合也隱藏著實際體驗上的考驗。打車、點餐這些操作需要端側網路請求、LAM 理解多層指令、呼叫第三方平臺，最後再經過雲端 TTS 生成語音播報。這一整套鏈路串聯下來，整體響應延遲能不能控制在使用者隨手掏出來就用的忍耐度之內，還有待現實網路環境的檢驗。