Fish Audio собрала 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, о чем впервые сообщила TechCrunch. Это происходит в компании с необычной структурой. Она раздает свои лучшие модели бесплатно и взимает плату за инфраструктуру вокруг них.

      Стартап существует уже 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 — это открытая модель, примененная к голосу. За год она выпустила пять моделей и открыла три из них. Бесплатные веса и бесплатная модель фронтира обеспечивают распространение среди разработчиков. Доход поступает от предприятий, которым нужны контракты.

      Даже ее самая новая модель, S2.1 Pro, которую она удерживает 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 перед тем, как строить на бесплатном уровне, сообщает Unite.AI.

      Это весь бизнес в одной строке. Открытые веса выигрывают разработчиков, а предприятия платят за обещания. HeyGen, LiveKit, Retell, Sanas и OpenArt уже работают на ее 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 делится 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. Презентация Fish заключается в том, что ее собственный стек вывода делает его гораздо дешевле, и она утверждает, что S2.1 Pro работает за долю стоимости ElevenLabs.

      Библиотека — это рва, и риск

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

      Та же самая библиотека является и ответственностью. Ранее в этом году создатели заявили, что другие загрузили их голоса без согласия, и что удаление происходило медленно. С тех пор Fish создала специальный процесс разрешения споров и утверждает, что удаления теперь завершаются менее чем за три минуты. Однако 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 назвал 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».

      Привлечение средств финансирует ставку, чьи рва и риск являются одной и той же вещью, и это напряжение открытого согласия проходит и через более широкий дебат об открытых весах.