Fish Audio获5000万美元融资打造AI语音模型

AI语音生成领域正迎来新一轮资本热潮。总部位于帕洛阿尔托的Fish Audio近日宣布完成5000万美元种子轮融资，由Coreline Ventures和Capital Today联合领投，359 Capital、Parable、Play Time、Alphalist Partners、Bayhouse Ventures、Carya Venture Partners及HF0等机构参投。这家专注于为创作者和企业构建AI语音模型的初创公司，正试图通过其庞大的自然语言控制库和开源策略，在竞争激烈的市场中占据独特生态位。

Fish Audio的诞生源于创始人廖世佳的个人挫败感。这位前NVIDIA研究员在市场上找不到足够富有表现力的合成语音，于是决定自己动手。他在单张GPU上训练了一个语音生成模型，并将其开源。这个名为Fish Speech的项目如今在GitHub上已获得超过31000个星标，被独立开发者、视频游戏设计师和内容创作者广泛使用。从一个小众开源项目起步，Fish Audio在短短一年内迅速成长为拥有800万用户、年经常性收入达2100万美元的商业实体。

公司目前已推出五款模型：四款语音生成模型和一款语音转文本模型。其中三款语音生成模型保持开源，但最新的S2.1 Pro模型仅通过付费API提供。这种开源核心加商业增值的策略，帮助Fish Audio在开发者社区中建立了信任基础，同时为企业客户提供了差异化服务。Fish Audio的语音库拥有超过15000种自然语言控制选项，覆盖从情感表达到语调调整的广泛场景。

Fish Audio联合创始人兼CEO Rissa Cao在接受采访时解释了公司产品的差异化定位：“每个企业都有不同的用例和偏好。例如，HeyGen这样的公司使用我们的语音来驱动AI虚拟形象，他们需要声音的真实感；游戏工作室希望角色声音富有表现力；而LiveKit这样的语音代理公司则需要更自然、低延迟且足够表达情感的语音。”这种对细分场景的深入理解，使得Fish Audio能够同时服务于创意行业和自动化企业需求。

在商业模式上，Fish Audio提供面向创作者和团队的月度付费计划，解锁一定数量的生成分钟数和语音克隆功能。企业级API和平台则针对大规模部署进行了优化。目前，HeyGen、Sanas和Plaud等知名AI公司已经成为其企业客户。这种从个人开发者到大型企业的全覆盖策略，帮助公司在短时间内实现了可观的收入增长。

然而，快速扩张也伴随着争议。Fish Audio构建语音库的方式之一是邀请用户提交自己的语音用于模型训练，并在语音被采用时给予补偿。但几个月前，一些创作者声称他们的声音在未经同意的情况下被上传到平台。虽然公司已有DMCA内容下架流程，但处理过程耗时较长。Cao表示，公司现已自动化下架流程：创作者只需提交简短语音样本或合同证明语音归属，其声音将在三分钟内从平台移除。不过她也承认，这一机制仍无法完全防止他人在不知情的情况下上传艺术家的声音。

这轮融资正值AI语音市场快速膨胀之际。从虚拟助手到游戏角色配音，从客服自动化到有声书制作，AI语音生成技术的应用场景不断扩展。Fish Audio的开源策略和丰富的控制选项，使其在技术社区中建立了良好声誉，而企业客户的增长则验证了其商业模式的可行性。随着资金到位，公司有望进一步扩大语音库规模、优化模型性能，并加强版权保护机制。对于AI语音行业而言，Fish Audio的崛起既展示了技术创新的潜力，也提醒着行业需要在开放性与合规性之间找到平衡。