Fish Audio привлекла 52 миллиона долларов, чтобы предоставить голосовой ИИ бесплатно и взимать плату с предприятий.

      Fish Audio, стартап в области голосового ИИ из Пало-Альто, привлек 52 миллиона долларов в раунде, который он все еще называет посевным, впервые сообщило издание TechCrunch. Это происходит в компании с необычной структурой. Она раздает свои лучшие модели бесплатно и взимает плату за сопутствующую инфраструктуру.

      Стартапу год. Он утверждает, что более 8 миллионов человек сейчас используют его модели, как через открытые релизы, так и через свою хостинговую платформу. Бизнес приносит 21 миллион долларов ежегодного повторяющегося дохода.

      Раздайте модель, взимайте плату за задержку

      Логика Fish Audio заключается в применении открытого исходного кода к голосу. За год было выпущено пять моделей, и три из них стали открытыми. Бесплатные веса и бесплатная модель Frontier обеспечивают распространение среди разработчиков. Доход поступает от предприятий, которым нужны контракты.

      Даже самая новая модель, S2.1 Pro, которую они удерживают от открытого релиза, бесплатна через API до 31 августа. Она клонирует голос из пятисекундного клипа, поддерживает 83 языка и возвращает первый звук примерно за 70 миллисекунд. Платные планы содержат гарантии задержки и времени безотказной работы. Fish просит всех с доходом выше 1 миллиона долларов поговорить, прежде чем строить на бесплатном уровне, сообщило Unite.AI.

      Это весь бизнес в одной строке. Открытые веса привлекают разработчиков, а предприятия платят за обещания. HeyGen, LiveKit, Retell, Sanas и OpenArt уже работают на его API. Посев в 52 миллиона долларов при доходе в 21 миллион долларов показывает, как быстро голос стал не просто функцией, а элементом инфраструктуры.

      Голос становится интерфейсом

      Своевременность помогает. Голос становится стандартным способом общения людей с ИИ, от голосового режима Claude до агентов, которые сейчас обрабатывают продажи и поддержку. Генеральный директор Рисса Цао говорит, что спрос разделяется по случаям использования. Компании-аватары хотят реализма, игровые студии хотят выразительных персонажей, а компании-агенты хотят низкой задержки, которая все еще звучит по-человечески.

      Это также переполненное, хорошо финансируемое поле. ElevenLabs имеет оценку около 22 миллиардов долларов, и деньги продолжают поступать к конкурентам, таким как Bland. Предложение Fish заключается в том, что их собственный стек вывода делает его гораздо дешевле, и они утверждают, что S2.1 Pro работает за долю стоимости ElevenLabs.

      Библиотека — это защитный барьер, и риск

      Актив, который на самом деле покупают инвесторы, — это сообщество. Библиотека голосов Fish Audio создается пользователями: люди отправляют свои голоса и получают оплату, когда кто-то использует один из них. В настоящее время она содержит более двух миллионов таких голосов.

      Та же библиотека является и ответственностью. Ранее в этом году создатели заявили, что другие загружали их голоса без согласия, и что процесс удаления идет медленно. С тех пор Fish разработала специальный процесс разрешения споров и утверждает, что удаления теперь завершаются за три минуты. Однако это исправление помогает только после факта. Ничто не останавливает кого-то от загрузки вашего голоса, и он остается в использовании, пока вы не заметите и не подадите заявку.

      Собственный ведущий инвестор Fish обозначил проблему. «Подход, ориентированный на сообщество, может стать устойчивым преимуществом только в том случае, если создатели доверяют платформе», — сказал Осукэ Хонда из Coreline Ventures, который совместно возглавил раунд. Согласие, прозрачность и атрибуция, добавил он, «должны быть встроены в продукт, а не рассматриваться как второстепенные вещи».

      Привлечение средств финансирует ставку, чья защита и чей риск являются одним и тем же, и это напряжение открытого согласия проходит и через более широкий дебат об открытых весах.