फिश ऑडियो, एक पालो अल्टो-आधारित स्टार्टअप जो अभिव्यंजक एआई वॉयस मॉडल का निर्माण करता है, ने रचनात्मक और उद्यम उपयोग के मामलों दोनों के लिए अपने प्लेटफॉर्म का विस्तार करने के लिए सीड राउंड में 50 मिलियन डॉलर जुटाए हैं। टेकक्रंच की रिपोर्ट के अनुसार, फंडिंग राउंड का नेतृत्व कोरलाइन वेंचर्स और कैपिटल टुडे ने किया था, जिसमें 359 कैपिटल, पैरेबल, प्ले टाइम, अल्फालिस्ट पार्टनर्स, बेहाउस वेंचर्स, कैरीया वेंचर पार्टनर्स और एचएफ0 की भागीदारी थी।
यह दौर एआई वॉयस जेनरेशन क्षेत्र में बड़े बीज वित्तपोषण में से एक है, जो एक ऐसी कंपनी में निवेशकों के विश्वास को दर्शाता है जिसने पहले ही महत्वपूर्ण आकर्षण पैदा कर लिया है। फिश ऑडियो में अब 8 मिलियन से अधिक लोग अपने मॉडलों के ओपन-सोर्स या होस्टेड संस्करणों का उपयोग करते हैं, और वार्षिक आवर्ती राजस्व में $21 मिलियन उत्पन्न करते हैं। स्टार्टअप की तीव्र वृद्धि एआई उद्योग विस्तार की व्यापक लहर का हिस्सा है जो पर्याप्त उद्यम पूंजी को आकर्षित करना जारी रखती है।
सिंगल-जीपीयू प्रोजेक्ट से 8 मिलियन उपयोगकर्ताओं तक
फिश ऑडियो की शुरुआत एनवीडिया के पूर्व शोधकर्ता शिजिया लियाओ द्वारा एक छोटे से साइड प्रोजेक्ट के रूप में हुई थी, जो उस समय बाजार में उपलब्ध सपाट, गैर-अभिव्यंजक सिंथेटिक आवाजों से निराश थे। लियाओ ने एक एकल जीपीयू पर वॉयस जेनरेशन मॉडल को प्रशिक्षित किया और इसे ओपन-सोर्स किया। वह प्रारंभिक प्रोजेक्ट, जिसे फिश स्पीच के नाम से जाना जाता है, तब से GitHub पर 31,000 से अधिक सितारों के साथ एक भंडार में विकसित हो गया है, जिसका उपयोग स्वतंत्र डेवलपर्स, वीडियो गेम डिजाइनर और सामग्री निर्माताओं द्वारा किया जाता है।
पिछले वर्ष में, कंपनी ने पांच मॉडल लॉन्च किए हैं: चार स्पीच जेनरेशन मॉडल और एक स्पीच-टू-टेक्स्ट मॉडल। इसके तीन स्पीच जेनरेशन मॉडल ओपन-सोर्स हैं, जबकि इसकी नवीनतम रिलीज़, S2.1 प्रो, केवल सशुल्क एपीआई के माध्यम से उपलब्ध है। इस हाइब्रिड ओपन-कोर रणनीति ने फिश ऑडियो को अपनी सबसे उन्नत क्षमताओं का मुद्रीकरण करते हुए डेवलपर्स का एक बड़ा समुदाय बनाने की अनुमति दी है।
प्रत्येक उपयोग के मामले के लिए एक आवाज मॉडल
कंपनी के अनुसार, जो चीज़ फिश ऑडियो को अलग करती है, वह इसके द्वारा प्रदान किए जाने वाले नियंत्रणों की व्यापकता है। प्लेटफ़ॉर्म में 15,000 से अधिक प्राकृतिक भाषा नियंत्रणों की एक लाइब्रेरी शामिल है जो उपयोगकर्ताओं को उत्पन्न होने वाली आवाज़ों को ठीक से ट्यून करने की अनुमति देती है - टोन, भावना, गति और शैली को समायोजित करना।
सीईओ और सह-संस्थापक रिस्सा काओ ने टेकक्रंच को बताया कि कंपनी के उद्यम ग्राहकों की ज़रूरतें बहुत अलग हैं। हेजेन जैसी कंपनियां, जो एआई अवतारों को सशक्त बनाने के लिए फिश ऑडियो आवाजों का उपयोग करती हैं, यथार्थवाद को प्राथमिकता देती हैं। गेमिंग स्टूडियो अपने पात्रों के लिए अभिव्यंजक आवाज़ें चाहते हैं। लाइवकिट जैसी वॉयस एजेंट कंपनियों को प्राकृतिक ध्वनि वाली, कम विलंबता वाली आवाजों की आवश्यकता होती है जो लाइव फोन कॉल के लिए पर्याप्त रूप से अभिव्यंजक बनी रहें।
काओ ने कहा, "हर उद्यम के अलग-अलग उपयोग के मामले और अलग-अलग प्राथमिकताएं होती हैं।" अन्य ग्राहकों में सानास, एक्सेंट ट्रांसलेशन पर केंद्रित कंपनी और प्लाउड शामिल हैं, जो एआई-संचालित रिकॉर्डिंग डिवाइस बनाती है। फिश ऑडियो रचनाकारों और टीमों के लिए भुगतान की गई मासिक योजनाएं प्रदान करता है जो पीढ़ी के मिनटों की एक निर्धारित संख्या और वॉयस क्लोनिंग सुविधाओं के साथ-साथ इसके एपीआई के एंटरप्राइज़ संस्करण को भी अनलॉक करता है।
उपयोगकर्ता योगदान के माध्यम से एक वॉयस लाइब्रेरी का निर्माण
फिश ऑडियो ने अपनी आवाज़ों की लाइब्रेरी का विस्तार करने के तरीकों में से एक यह है कि उपयोगकर्ताओं को प्रशिक्षण मॉडल के लिए अपनी खुद की वॉयस रिकॉर्डिंग जमा करने के लिए आमंत्रित किया है, जब उनकी आवाज़ का उपयोग किया जाता है तो उन्हें मुआवजा दिया जाता है। इस क्राउडसोर्स दृष्टिकोण ने कंपनी को एक विविध कैटलॉग बनाने में मदद की है, लेकिन इसने चुनौतियां भी पैदा की हैं।
कुछ महीने पहले, कुछ रचनाकारों ने आरोप लगाया था कि उनकी आवाज़ें उनकी सहमति के बिना फिश ऑडियो के प्लेटफ़ॉर्म पर अपलोड की गई थीं। स्टार्टअप में DMCA सामग्री हटाने की प्रक्रिया मौजूद थी, लेकिन यह प्रक्रिया धीमी थी। काओ ने टेकक्रंच को बताया कि कंपनी ने इस तरह की चिंताओं को और अधिक तेजी से दूर करने के लिए टेकडाउन प्रक्रिया को स्वचालित कर दिया है।
यह विवाद एआई वॉयस उद्योग में बढ़ते तनाव को उजागर करता है। जैसे-जैसे सिंथेटिक वॉयस तकनीक में सुधार होता है, पुलिस के लिए अधिकृत और अनधिकृत उपयोग के बीच की रेखा कठिन हो जाती है। वॉयस क्लोनिंग ने, विशेष रूप से, प्रतिरूपण और धोखाधड़ी के बारे में चिंताएं बढ़ा दी हैं, और कई देशों में नियामक एआई-जनित ऑडियो को नियंत्रित करने वाले कानूनी ढांचे की जांच करना शुरू कर रहे हैं।
एक प्रतिस्पर्धी और भीड़भाड़ वाला बाज़ार
AI वॉयस स्पेस में फिश ऑडियो अकेला नहीं है। प्रतिस्पर्धियों में इलेवनलैब्स शामिल हैं, जिसने करोड़ों डॉलर जुटाए हैं और इसे व्यापक रूप से बाजार के अग्रणी के रूप में देखा जाता है, साथ ही प्रमुख प्रौद्योगिकी कंपनियों की पेशकश भी शामिल है। लेकिन फिश ऑडियो का ओपन-सोर्स मॉडल पर जोर और डेवलपर्स का बड़ा समुदाय इसे एक विशिष्ट स्थान देता है।
50 मिलियन डॉलर का सीड राउंड कंपनी को मॉडल गुणवत्ता पर प्रतिस्पर्धा करने, अपने उद्यम बिक्री प्रयासों का विस्तार करने और वॉयस क्लोनिंग तकनीक के साथ आने वाले कानूनी और नैतिक प्रश्नों को नेविगेट करने का मौका देता है। पहले से ही $21 मिलियन के वार्षिक आवर्ती राजस्व के साथ, फिश ऑडियो एक सीड-स्टेज कंपनी के लिए सार्थक राजस्व उत्पन्न कर रहा है, जो बताता है कि अभिव्यंजक, नियंत्रणीय एआई आवाज़ों की मांग नवीनता से कहीं आगे तक फैली हुई है।
यह देखना अभी बाकी है कि क्या स्टार्टअप एक लाभदायक उद्यम व्यवसाय बनाते समय अपनी ओपन-सोर्स गति को बनाए रख सकता है। लेकिन दौर का आकार, और भाग लेने वाले निवेशकों की गुणवत्ता, संकेत देती है कि एआई-जनित आवाज के लिए बाजार अभी भी अपनी शुरुआती पारी में है - और निवेशकों को एक ऐसी कंपनी में पर्याप्त उछाल दिखाई देता है जो इंडी क्रिएटर्स और बड़े उद्यमों दोनों को पूरा करती है।
एआई स्टार्टअप समाचार से आगे रहें
जैसे-जैसे वॉयस जेनरेशन और अन्य जेनेरिक एआई बाजार विकसित हो रहे हैं, नवीनतम एआई विकास का अनुसरण करें।
अधिक AI समाचार पढ़ें →
