Fish Audio、5200万ドル調達

Fish Audioは創業者Shijia Liaoが市場で利用可能な表現力に乏しい合成音声に不満を感じたことから生まれた。単一のGPU上で小規模プロジェクトとして音声生成モデルを構築し、Liaoはこの作業をオープンソース化し、GitHubに「Fish Speech」リポジトリを作成しました。このリポジトリは現在3万1000星以上を獲得しています。このコミュニティ優先のアプローチはインディーデベロッパー、ビデオゲームデザイナー、クリエイターを引き付け、最終的に800万人を超えるユーザーと年間経常収益2100万ドルにまで拡大しました。

同社の1万5000以上の自然言語制御ライブラリは、異なる市場ニーズに対応しています。クリエイターはナレーティブコンテンツ用の表現力に富んだ音声を必要とし、企業は自動カスタマーサポートと営業運用用の操作可能なモデルを必要としています。Fish Audioはティアード提供を通じて両セグメントにサービスを提供しており、クリエイター向けの月額有料プランには生成分数と音声クローニングが含まれ、HeyGen（AIアバターを提供）やSanasなどの組織向けにはエンタープライズAPIを提供しています。

規模の拡大とエンタープライズ需要の増加により、5200万ドルのシードラウンドが実現しました。投資家は、Fish Audioが微粒度開発者制御と費用効率的なトレーニングを備えた最先端モデルを生産する技術能力が、ElevenLabs、WellSaid、Cartesiaおよびその他の企業が存在する混雑した分野で差別化していることを強調しました。しかし、ユーザー送信音声をトレーニング用に利用するコミュニティ主導モデルは摩擦を生みました。一部のクリエイターが不正な音声アップロードを主張しました。自動削除プロセス（現在は3分以内）は即時削除に対応していますが、同意なしの初期アップロードを防止するものではなく、遡及的ツールとして機能しています。