Fish Audio Mengumpulkan Dana Senilai $50 Juta untuk Membangun Model Suara AI yang Ekspresif bagi Kreator dan Perusahaan

Fish Audio, sebuah startup berbasis di Palo Alto yang membangun model suara AI yang ekspresif, telah mengumpulkan $50 juta dalam putaran awal untuk memperluas platformnya baik untuk kasus penggunaan kreatif maupun perusahaan. Putaran pendanaan dipimpin oleh Coreline Ventures dan Capital Today, dengan partisipasi dari 359 Capital, Parable, Play Time, Alphalist Partners, Bayhouse Ventures, Carya Venture Partners, dan HF0, menurut laporan oleh TechCrunch.

Putaran ini merupakan salah satu pendanaan tahap awal (seed financing) terbesar dalam bidang pembangkitan suara AI, yang mencerminkan kepercayaan investor terhadap perusahaan yang telah membangun daya tarik signifikan. Fish Audio kini memiliki lebih dari 8 juta orang yang menggunakan model sumber terbuka atau versi yang dihosting, dan menghasilkan pendapatan berulang tahunan sebesar $21 juta. Pertumbuhan pesat startup ini merupakan bagian dari gelombang ekspansi industri AI yang lebih luas yang terus menarik modal ventura dalam jumlah besar.

Dari Proyek GPU Tunggal hingga 8 Juta Pengguna

Fish Audio dimulai sebagai proyek sampingan kecil oleh Shijia Liao, mantan peneliti Nvidia yang merasa frustrasi dengan suara sintetis yang datar dan tidak ekspresif yang saat itu tersedia di pasar. Liao melatih model pembuatan suara pada satu GPU dan menjadikannya sumber terbuka. Proyek awal tersebut, yang dikenal sebagai Fish Speech, telah berkembang menjadi gudang dengan lebih dari 31.000 bintang di GitHub, digunakan oleh pengembang independen, perancang video game, dan pembuat konten.

Pada tahun lalu, perusahaan telah meluncurkan lima model: empat model pembuatan ucapan dan satu model ucapan-ke-teks. Mereka telah menjadikan tiga model pembangkit ucapannya sebagai sumber terbuka, sedangkan rilis terbarunya, S2.1 Pro, hanya tersedia melalui API berbayar. Strategi hybrid open-core ini memungkinkan Fish Audio membangun komunitas pengembang yang besar sambil memonetisasi kemampuan tercanggihnya.

Model Suara untuk Setiap Kasus Penggunaan

Apa yang membedakan Fish Audio, menurut perusahaan, adalah luasnya kontrol yang ditawarkannya. Platform ini mencakup perpustakaan dengan lebih dari 15.000 kontrol bahasa alami yang memungkinkan pengguna menyempurnakan suara yang dihasilkan — menyesuaikan nada, emosi, tempo, dan gaya.

CEO dan salah satu pendiri Rissa Cao mengatakan kepada TechCrunch bahwa pelanggan perusahaan memiliki kebutuhan yang sangat berbeda. Perusahaan seperti HeyGen, yang menggunakan suara Fish Audio untuk menggerakkan avatar AI, memprioritaskan realisme. Studio game menginginkan suara ekspresif untuk karakternya. Perusahaan agen suara seperti LiveKit membutuhkan suara yang terdengar alami dan berlatensi rendah serta tetap cukup ekspresif untuk panggilan telepon langsung.

“Setiap perusahaan memiliki kasus penggunaan dan preferensi yang berbeda,” kata Cao. Pelanggan lainnya termasuk Sanas, sebuah perusahaan yang berfokus pada terjemahan aksen, dan Plaud, yang membuat perangkat perekam bertenaga AI. Fish Audio menawarkan paket bulanan berbayar untuk pembuat dan tim yang membuka sejumlah menit pembuatan ditambah fitur kloning suara, serta API versi perusahaan.

Membangun Perpustakaan Suara Melalui Kontribusi Pengguna

Salah satu cara Fish Audio memperluas perpustakaan suaranya adalah dengan mengundang pengguna untuk mengirimkan rekaman suara mereka sendiri untuk model pelatihan, dan memberikan kompensasi kepada mereka saat suara mereka digunakan. Pendekatan crowdsourced ini telah membantu perusahaan membangun katalog yang beragam, namun juga menciptakan tantangan.

Beberapa bulan yang lalu, beberapa pembuat konten menuduh bahwa suara mereka telah diunggah ke platform Fish Audio tanpa persetujuan mereka. Startup ini telah menerapkan proses penghapusan konten DMCA, namun prosesnya lambat. Cao mengatakan kepada TechCrunch bahwa perusahaan tersebut telah mengotomatiskan proses penghapusan untuk mengatasi masalah tersebut dengan lebih cepat.

Kontroversi ini menyoroti meningkatnya ketegangan dalam industri suara AI. Seiring dengan kemajuan teknologi suara sintetik, batas antara penggunaan yang sah dan tidak sah menjadi lebih sulit untuk diawasi. Kloning suara, khususnya, telah menimbulkan kekhawatiran mengenai peniruan identitas dan penipuan, dan regulator di beberapa negara mulai mengkaji kerangka hukum yang mengatur audio yang dihasilkan oleh AI.

Pasar yang Kompetitif dan Ramai

Fish Audio tidak sendirian dalam bidang suara AI. Pesaingnya termasuk ElevenLabs, yang telah mengumpulkan ratusan juta dolar dan secara luas dipandang sebagai pemimpin pasar, serta penawaran dari perusahaan teknologi besar. Namun penekanan Fish Audio pada model sumber terbuka dan komunitas pengembangnya yang besar memberikan posisi yang berbeda.

Putaran awal senilai $50 juta memberikan perusahaan landasan untuk bersaing dalam kualitas model, memperluas upaya penjualan perusahaan, dan mengatasi pertanyaan hukum dan etika yang muncul terkait dengan teknologi kloning suara. Dengan pendapatan berulang tahunan sebesar $21 juta, Fish Audio menghasilkan pendapatan yang berarti bagi perusahaan tahap awal, menunjukkan bahwa permintaan akan suara AI yang ekspresif dan terkendali tidak hanya sekedar hal baru.

Masih harus dilihat apakah startup ini dapat mempertahankan momentum open source sambil membangun bisnis perusahaan yang menguntungkan. Namun besarnya putaran pendanaan ini, dan kualitas investor yang berpartisipasi, menandakan bahwa pasar untuk suara yang dihasilkan oleh AI masih dalam tahap awal – dan investor melihat adanya keuntungan besar pada perusahaan yang melayani kreator indie dan perusahaan besar.

Tetap Terdepan dalam Berita Startup AI

Ikuti [perkembangan AI] terkini(https://aibuzzwire.news) seiring berkembangnya generasi suara dan pasar AI generatif lainnya.

Baca berita AI selengkapnya →