فش آڈیو، پالو آلٹو پر مبنی ایک سٹارٹ اپ بلڈنگ ایکسپریسو AI وائس ماڈلز نے تخلیقی اور انٹرپرائز استعمال دونوں صورتوں کے لیے اپنے پلیٹ فارم کو وسعت دینے کے لیے سیڈ راؤنڈ میں $50 ملین اکٹھے کیے ہیں۔ ٹیک کرنچ کی رپورٹنگ کے مطابق، فنڈنگ راؤنڈ کی قیادت Coreline Ventures اور Capital Today نے کی، جس میں 359 Capital، Paraable، Play Time، Alphalist Partners، Bayhouse Ventures، Carya Venture Partners، اور HF0 نے شرکت کی۔
راؤنڈ اے آئی وائس جنریشن اسپیس میں سیڈ فنانسنگ میں سے ایک ہے، جو ایک کمپنی میں سرمایہ کاروں کے اعتماد کی عکاسی کرتا ہے جس نے پہلے ہی اہم کرشن بنا لیا ہے۔ فش آڈیو اب اپنے ماڈلز کے اوپن سورس یا ہوسٹڈ ورژن استعمال کرنے والے 8 ملین سے زیادہ لوگوں کو شمار کرتا ہے، اور سالانہ اعادی آمدنی میں $21 ملین پیدا کرتا ہے۔ سٹارٹ اپ کی تیز رفتار ترقی AI انڈسٹری کی وسیع تر لہر کا حصہ ہے جو خاطر خواہ وینچر کیپیٹل کو اپنی طرف متوجہ کرتی رہتی ہے۔
سنگل-GPU پروجیکٹ سے 8 ملین صارفین تک
فش آڈیو کا آغاز Nvidia کے ایک سابق محقق شیجیا لیاو کے ایک چھوٹے سائیڈ پروجیکٹ کے طور پر ہوا تھا جو مارکیٹ میں دستیاب فلیٹ، غیر اظہاری مصنوعی آوازوں سے مایوس تھا۔ Liao نے ایک واحد GPU پر آواز پیدا کرنے والے ماڈل کو تربیت دی اور اسے اوپن سورس کیا۔ وہ ابتدائی پروجیکٹ، جسے فش اسپیچ کے نام سے جانا جاتا ہے، اس کے بعد سے GitHub پر 31,000 سے زیادہ ستاروں کے ساتھ ایک ذخیرہ بن گیا ہے، جسے آزاد ڈویلپرز، ویڈیو گیم ڈیزائنرز، اور مواد تخلیق کار استعمال کرتے ہیں۔
پچھلے سال میں، کمپنی نے پانچ ماڈلز لانچ کیے ہیں: چار اسپیچ جنریشن ماڈل اور ایک اسپیچ ٹو ٹیکسٹ ماڈل۔ اس نے اپنے تین اسپیچ جنریشن ماڈلز کو اوپن سورس کیا ہے، جبکہ اس کی تازہ ترین ریلیز، S2.1 Pro، صرف ایک ادا شدہ API کے ذریعے دستیاب ہے۔ اس ہائبرڈ اوپن کور حکمت عملی نے فش آڈیو کو اپنی جدید ترین صلاحیتوں سے رقم کماتے ہوئے ڈویلپرز کی ایک بڑی کمیونٹی بنانے کی اجازت دی ہے۔
ہر استعمال کے کیس کے لیے ایک وائس ماڈل
کمپنی کے مطابق جو چیز فش آڈیو کو الگ کرتی ہے، وہ اس کے پیش کردہ کنٹرولز کی وسعت ہے۔ اس پلیٹ فارم میں 15,000 سے زیادہ قدرتی لینگویج کنٹرولز کی ایک لائبریری شامل ہے جو صارفین کو یہ ٹھیک کرنے کی اجازت دیتی ہے کہ آوازیں کس طرح پیدا ہوتی ہیں — لہجے، جذبات، رفتار اور انداز کو ایڈجسٹ کرنا۔
سی ای او اور شریک بانی رسا کاو نے ٹیک کرنچ کو بتایا کہ کمپنی کے انٹرپرائز صارفین کی ضروریات بہت مختلف ہیں۔ HeyGen جیسی کمپنیاں، جو AI اوتاروں کو طاقت دینے کے لیے فش آڈیو آوازوں کا استعمال کرتی ہیں، حقیقت پسندی کو ترجیح دیتی ہیں۔ گیمنگ اسٹوڈیوز اپنے کرداروں کے لیے تاثراتی آوازیں چاہتے ہیں۔ لائیو کٹ جیسی وائس ایجنٹ کمپنیوں کو قدرتی آواز والی، کم تاخیر والی آوازوں کی ضرورت ہوتی ہے جو لائیو فون کالز کے لیے کافی اظہار خیال کرتی ہیں۔
"ہر انٹرپرائز کے مختلف استعمال کے معاملات اور مختلف ترجیحات ہیں،" کاو نے کہا۔ دوسرے صارفین میں سناس شامل ہیں، ایک کمپنی جو لہجے کے ترجمے پر مرکوز ہے، اور پلاؤڈ، جو AI سے چلنے والے ریکارڈنگ ڈیوائسز بناتی ہے۔ فش آڈیو تخلیق کاروں اور ٹیموں کے لیے ماہانہ ادائیگی کے منصوبے پیش کرتا ہے جو جنریشن کے چند منٹوں کے علاوہ وائس کلوننگ کی خصوصیات کے ساتھ ساتھ اس کے APIs کے انٹرپرائز ورژن کو غیر مقفل کرتے ہیں۔
صارف کے تعاون کے ذریعے صوتی لائبریری کی تعمیر
فش آڈیو نے جس طرح سے آوازوں کی اپنی لائبریری کو بڑھایا ہے ان میں سے ایک یہ ہے کہ صارفین کو تربیتی ماڈلز کے لیے اپنی آواز کی ریکارڈنگ جمع کرانے کی دعوت دی جائے، جب ان کی آوازیں استعمال کی جائیں تو انہیں معاوضہ دیا جائے۔ اس کراؤڈ سورسڈ اپروچ نے کمپنی کو متنوع کیٹلاگ بنانے میں مدد کی ہے، لیکن اس نے چیلنجز بھی پیدا کیے ہیں۔
چند ماہ قبل، کچھ تخلیق کاروں نے الزام لگایا تھا کہ ان کی آوازیں ان کی رضامندی کے بغیر فش آڈیو کے پلیٹ فارم پر اپ لوڈ کی گئی تھیں۔ اسٹارٹ اپ میں DMCA مواد کو ہٹانے کا عمل موجود تھا، لیکن یہ عمل سست تھا۔ Cao نے TechCrunch کو بتایا کہ کمپنی نے اس طرح کے خدشات کو زیادہ تیزی سے حل کرنے کے لیے ہٹانے کے عمل کو خودکار کر دیا ہے۔
تنازعہ AI آواز کی صنعت میں بڑھتے ہوئے تناؤ کو نمایاں کرتا ہے۔ جیسے جیسے مصنوعی آواز کی ٹیکنالوجی میں بہتری آتی ہے، مجاز اور غیر مجاز استعمال کے درمیان لائن پولیس کے لیے مشکل ہوتی جاتی ہے۔ صوتی کلوننگ نے، خاص طور پر، نقالی اور دھوکہ دہی کے بارے میں خدشات کو جنم دیا ہے، اور کئی ممالک میں ریگولیٹرز AI سے تیار کردہ آڈیو کو کنٹرول کرنے والے قانونی فریم ورک کا جائزہ لینا شروع کر رہے ہیں۔
ایک مسابقتی اور بھیڑ بھری مارکیٹ
فش آڈیو AI آواز کی جگہ میں تنہا نہیں ہے۔ حریفوں میں ElevenLabs شامل ہیں، جس نے کروڑوں ڈالر اکٹھے کیے ہیں اور بڑے پیمانے پر مارکیٹ لیڈر کے ساتھ ساتھ بڑی ٹیکنالوجی کمپنیوں کی پیشکش کے طور پر دیکھا جاتا ہے۔ لیکن فش آڈیو کا اوپن سورس ماڈلز پر زور اور اس کے ڈویلپرز کی بڑی کمیونٹی اسے ایک مخصوص مقام دیتی ہے۔
$50 ملین سیڈ راؤنڈ کمپنی کو ماڈل کوالٹی پر مقابلہ کرنے، اپنی انٹرپرائز سیلز کی کوششوں کو وسعت دینے، اور صوتی کلوننگ ٹیکنالوجی کے ساتھ آنے والے قانونی اور اخلاقی سوالات کو نیویگیٹ کرنے کے لیے رن وے فراہم کرتا ہے۔ پہلے سے ہی سالانہ بار بار ہونے والی آمدنی میں $21 ملین کے ساتھ، فش آڈیو ایک سیڈ سٹیج کمپنی کے لیے بامعنی آمدنی پیدا کر رہا ہے، جو تجویز کرتا ہے کہ اظہار خیال کرنے والی، قابل کنٹرول AI آوازوں کی مانگ نئے پن سے کہیں زیادہ ہے۔
یہ دیکھنا باقی ہے کہ آیا ایک منافع بخش انٹرپرائز کاروبار کی تعمیر کے دوران اسٹارٹ اپ اپنی اوپن سورس رفتار کو برقرار رکھ سکتا ہے۔ لیکن راؤنڈ کا سائز، اور سرمایہ کاروں کا حصہ لینے کا معیار، اس بات کا اشارہ دیتا ہے کہ AI سے تیار کردہ آواز کی مارکیٹ ابھی بھی اپنی ابتدائی اننگز میں ہے — اور یہ کہ سرمایہ کاروں کو ایک ایسی کمپنی میں کافی اضافہ نظر آتا ہے جو انڈی تخلیق کاروں اور بڑے اداروں دونوں کو پورا کرتی ہے۔
اے آئی اسٹارٹ اپ نیوز سے آگے رہیں
تازہ ترین AI پیش رفت کی پیروی کریں جیسے ہی آواز کی تخلیق اور دیگر تخلیقی AI مارکیٹیں تیار ہوتی ہیں۔
مزید AI خبریں پڑھیں →
