詳細を読む
米カリフォルニア州パロアルトを拠点とする音声AIスタートアップのFish Audioは7月28日、シードラウンドで5200万ドルを調達したと発表しました。ラウンドはCoreline VenturesとCapital Todayが主導し、359 CapitalやHF0など複数のVCが参加しています。より高度なモデル開発と企業向け展開の加速に充てる方針です。
同社は表現力と操作性の両立を掲げ、1万5000種類を超える自然言語制御を提供する点が特徴です。昨年のローンチ以降、オープンソース版とホスト版を合わせて800万人超が利用し、年間経常収益は2100万ドルに達しています。顧客にはHeyGenやSanasといった企業が名を連ねます。
創業は元Nvidia研究者のShijia Liao氏が、市場の合成音声に不満を抱き単一GPUで音声生成モデルを訓練しオープンソース化したことに始まります。GitHub上の「Fish Speech」リポジトリは3万1000を超えるスターを集め、直近1年で音声生成4種と音声認識1種の計5モデルを投入しました。最新の「S2.1 Pro」は有料APIのみで提供しています。
一方で、ユーザーが自分の声を提供し採用時に報酬を得る仕組みは、無断アップロードを巡る問題も招きました。一部のクリエイターが同意なく声を登録されたと訴えたためで、CEOのRissa Cao氏は削除手続きを自動化し、本人証明の提出から3分以内で対応できるようにしたと説明します。ただし第三者による無断登録そのものは依然として防げません。
投資家からは、クリエイターの信頼を前提とした同意・透明性・帰属の作り込みこそが持続的な優位性の条件だとの指摘が出ています。競合にはElevenLabsやCartesiaなどがひしめきますが、細かな制御と低コストな学習が大手との差別化につながるとの評価もあります。同社は年内に音声理解モデルを、さらに音声変換モデルの開発も進める計画です。