Fish Audio raccoglie 52 milioni di dollari per offrire l'IA vocale gratuitamente e addebitare alle imprese.

      Fish Audio, una startup di voice-AI di Palo Alto, ha raccolto 52 milioni di dollari in un round che ancora chiama seed, riportato per la prima volta da TechCrunch. Arriva a una società con una forma insolita. Regala i suoi migliori modelli e addebita per il cablaggio attorno a essi.

      La startup ha un anno. Dice che più di 8 milioni di persone ora utilizzano i suoi modelli, sia attraverso le versioni open-weight che la sua piattaforma ospitata. L'attività genera 21 milioni di dollari di entrate ricorrenti annuali.

      Regala il modello, addebita per la latenza

      La logica di Fish Audio è il playbook open-source applicato alla voce. Ha spedito cinque modelli in un anno e ha open-sourced tre di essi. I pesi gratuiti e un modello di frontiera gratuito acquistano distribuzione tra gli sviluppatori. Le entrate provengono dalle imprese che necessitano di contratti.

      Anche il suo modello più recente, S2.1 Pro, che trattiene dalla pubblicazione aperta, è gratuito tramite l'API fino al 31 agosto. Clona una voce da un clip di cinque secondi, supporta 83 lingue e restituisce il primo audio in circa 70 millisecondi. I piani a pagamento sono dove risiedono le garanzie di latenza e uptime. Fish chiede a chiunque abbia oltre 1 milione di dollari di entrate di parlare prima di costruire sul piano gratuito, ha riportato Unite.AI.

      Questo è l'intero business in una riga. I pesi aperti vincono gli sviluppatori, e le imprese pagano per le promesse. HeyGen, LiveKit, Retell, Sanas e OpenArt già operano sulle sue API. Un "seed" di 52 milioni di dollari con 21 milioni di dollari di entrate mostra quanto velocemente la voce sia passata da una funzionalità a un elemento di infrastruttura.

      La voce sta diventando l'interfaccia

      Il tempismo aiuta. La voce sta diventando il modo predefinito in cui le persone parlano con l'AI, dalla modalità vocale di Claude agli agenti che ora gestiscono chiamate di vendita e supporto. L'amministratore delegato Rissa Cao afferma che la domanda si divide per caso d'uso. Le aziende di avatar vogliono realismo, gli studi di gioco vogliono personaggi espressivi e le aziende di agenti vocali vogliono bassa latenza che suoni comunque umano.

      È anche un campo affollato e ben finanziato. ElevenLabs ha una valutazione di circa 22 miliardi di dollari, e il denaro continua a fluire in rivali come Bland. L'offerta di Fish è che il proprio stack di inferenza lo rende molto più economico, e afferma che S2.1 Pro funziona a una frazione del costo di ElevenLabs.

      La libreria è il fossato, e il rischio

      L'asset che gli investitori stanno realmente acquistando è la comunità. La libreria vocale di Fish Audio è fornita dagli utenti: le persone inviano le proprie voci e vengono pagate quando qualcuno le utilizza. Ora detiene più di due milioni di esse.

      Quella stessa libreria è la responsabilità. All'inizio di quest'anno, i creatori hanno detto che altri avevano caricato le loro voci senza consenso, e che le rimozioni procedevano lentamente. Fish ha da allora costruito un processo di contenzioso dedicato e afferma che le rimozioni ora si completano in meno di tre minuti. La soluzione aiuta solo dopo il fatto, però. Niente impedisce a qualcuno di caricare la tua voce, e rimane in uso fino a quando non te ne accorgi e fai una segnalazione.

      Il principale investitore di Fish ha nominato il problema. “Un approccio incentrato sulla comunità può diventare un vantaggio durevole solo se i creatori si fidano della piattaforma,” ha detto Osuke Honda di Coreline Ventures, che ha co-guidato il round. Il consenso, la trasparenza e l'attribuzione, ha aggiunto, “devono essere integrati nel prodotto piuttosto che trattati come pensieri secondari.”

      La raccolta finanzia una scommessa il cui fossato e il cui rischio sono la stessa cosa, e questa tensione di consenso aperto attraversa anche il dibattito più ampio sui pesi aperti.