Fish Audio, model swara AI ekspresif sing dibangun ing Palo Alto, wis ngasilake $ 50 yuta ing babak winih kanggo nggedhekake platform kanggo kasus panggunaan kreatif lan perusahaan. Babak pendanaan dipimpin dening Coreline Ventures lan Capital Today, kanthi partisipasi saka 359 Capital, Parable, Play Time, Alphalist Partners, Bayhouse Ventures, Carya Venture Partners, lan HF0, miturut laporan dening TechCrunch.
Babak kasebut minangka salah sawijining pendanaan winih sing luwih gedhe ing ruang generasi swara AI, nggambarake kapercayan investor ing perusahaan sing wis nggawe daya tarik sing signifikan. Fish Audio saiki cacahe luwih saka 8 yuta wong nggunakake salah siji versi open-source utawa host model sawijining, lan ngasilake $21 yuta ing revenue bola-bali taunan. Wutah cepet wiwitan minangka bagean saka gelombang ekspansi [industri AI] (https://aibuzzwire.news) sing luwih akeh sing terus narik modal usaha sing akeh.
Saka Proyek GPU Tunggal nganti 8 Yuta Pangguna
Fish Audio diwiwiti minangka proyek sisih cilik dening Shijia Liao, mantan peneliti Nvidia sing frustasi karo swara sintetis sing ora ekspresif sing banjur kasedhiya ing pasar. Liao nglatih model generasi swara ing siji GPU lan mbukak sumber. Proyek awal kasebut, sing dikenal minangka Fish Speech, wiwit tuwuh dadi gudang kanthi luwih saka 31.000 bintang ing GitHub, digunakake dening pangembang independen, perancang video game, lan panyipta konten.
Ing taun kepungkur, perusahaan wis ngluncurake limang model: papat model generasi wicara lan siji model wicara-kanggo-teks. Wis mbukak-sumber telung model generasi wicara, nalika release paling anyar, S2.1 Pro, kasedhiya mung liwat API mbayar. Strategi open-inti hibrida iki ngidini Fish Audio mbangun komunitas pangembang sing akeh nalika monetisasi kemampuan sing paling maju.
Model Swara kanggo Saben Kasus Gunakake
Sing mbedakake Fish Audio, miturut perusahaan, yaiku jembar kontrol sing ditawakake. Platform kasebut kalebu perpustakaan luwih saka 15.000 kontrol basa alami sing ngidini pangguna nyetel swara swara - nyetel nada, emosi, pacing, lan gaya.
CEO lan co-founder Rissa Cao marang TechCrunch sing pelanggan perusahaan perusahaan span beda banget kabutuhan. Perusahaan kaya HeyGen, sing nggunakake swara Audio Ikan kanggo nguwasani avatar AI, prioritize realisme. Studio game pengin swara ekspresif kanggo karaktere. Perusahaan agen swara kaya LiveKit butuh swara alami, latensi sithik sing tetep cukup ekspresif kanggo telpon langsung.
"Saben perusahaan duwe kasus panggunaan sing beda lan pilihan sing beda," ujare Cao. Pelanggan liyane kalebu Sanas, perusahaan sing fokus ing terjemahan aksen, lan Plaud, sing nggawe piranti rekaman kanthi AI. Fish Audio nawakake rencana saben wulan mbayar kanggo para pencipta lan tim sing mbukak kunci sawetara menit generasi ditambah fitur kloning swara, uga versi perusahaan saka API.
Mbangun Pustaka Swara Liwat Kontribusi Pangguna
Salah sawijining cara Fish Audio ngembangake perpustakaan swara yaiku kanthi ngundang pangguna ngirim rekaman swara dhewe kanggo model latihan, menehi ganti rugi nalika swarane digunakake. Pendekatan crowdsourced iki wis mbantu perusahaan nggawe katalog sing maneka warna, nanging uga nggawe tantangan.
Sawetara wulan kepungkur, sawetara pangripta ujar manawa swarane wis diunggah menyang platform Fish Audio tanpa idin. Startup duwe proses takedown konten DMCA, nanging prosese alon. Cao ngandhani TechCrunch manawa perusahaan wiwit ngotomatisasi proses takedown kanggo ngatasi masalah kasebut kanthi luwih cepet.
Kontroversi kasebut nyoroti ketegangan sing saya tambah ing industri swara AI. Nalika teknologi swara sintetik saya apik, garis antarane panggunaan sing sah lan ora sah dadi angel kanggo polisi. Kloning swara, utamane, nyebabake keprihatinan babagan impersonation lan penipuan, lan regulator ing sawetara negara wiwit nliti kerangka hukum sing ngatur audio sing digawe AI.
Pasar Saingan lan Rame
Fish Audio adoh saka piyambak ing spasi swara AI. Saingan kalebu ElevenLabs, sing wis ngunggahake atusan yuta dolar lan akeh katon minangka pimpinan pasar, uga penawaran saka perusahaan teknologi utama. Nanging penekanan Fish Audio ing model open-source lan komunitas pangembang sing akeh menehi posisi sing khas.
Babak winih $50 yuta menehi landasan pacu perusahaan kanggo saingan kualitas model, nggedhekake usaha dodolan perusahaan, lan navigasi pitakonan legal lan etika sing teka karo teknologi kloning swara. Kanthi revenue ambalan taunan $21 yuta, Fish Audio ngasilake bathi sing migunani kanggo perusahaan tahap wiji, nuduhake yen panjaluk swara AI sing ekspresif lan bisa dikontrol ngluwihi sing anyar.
Apa startup bisa njaga momentum sumber terbuka nalika mbangun bisnis perusahaan sing nguntungake isih kudu dideleng. Nanging ukuran babak kasebut, lan kualitas investor sing melu, menehi tandha manawa pasar swara sing digawe AI isih ana ing wiwitan - lan para investor ndeleng kemajuan sing signifikan ing perusahaan sing cocog karo pencipta indie lan perusahaan gedhe.
Tetep Ahead saka AI Startup News
Tindakake [pangembangan AI] paling anyar (https://aibuzzwire.news) amarga generasi swara lan pasar AI generatif liyane berkembang.
Waca liyane warta AI →
