Das in Palo Alto ansässige Startup Fish Audio, spezialisiert auf KI-Sprachmodelle, hat am Dienstag in einer Seed-Finanzierungsrunde 52 Millionen US-Dollar eingesammelt. Die Runde wurde von Coreline Ventures und Capital Today angeführt und soll die Weiterentwicklung der Modelle sowie die Expansion im Unternehmensbereich vorantreiben.
Geschäftsentwicklung und Produkte
Seit seiner Gründung im letzten Jahr verzeichnet Fish Audio bereits über 8 Millionen Nutzer für seine Open-Source- oder gehosteten Modelle. Als Open Source werden Softwareprojekte bezeichnet, deren Quellcode öffentlich zugänglich ist. Das Unternehmen generiert einen jährlichen wiederkehrenden Umsatz (Annual Recurring Revenue, ARR) von 21 Millionen US-Dollar. Die Plattform bietet eine Bibliothek mit über 15.000 Natural Language Controls, die sowohl ausdrucksstarke Stimmen für kreative Anwendungen als auch steuerbare Stimmen für den Unternehmenseinsatz, etwa im Kundensupport oder Vertrieb, ermöglichen sollen.
Finanzierung und Investoren
Die Seed-Finanzierungsrunde, eine frühe Phase der Unternehmensfinanzierung, wurde von Coreline Ventures und Capital Today geleitet. Weitere Investoren waren 359 Capital, Parable, Play Time, Alphalist Partners, Bayhouse Ventures, Carya Venture Partners und HF0.
Hintergrund und Technologie
Fish Audio entstand aus einem Projekt des ehemaligen Nvidia-Forschers Shijia Liao. Seine Frustration über die mangelnde Ausdruckskraft synthetischer Stimmen führte dazu, dass er ein eigenes Sprachgenerierungsmodell auf einer einzigen GPU trainierte und es als Open Source veröffentlichte. Das „Fish Speech“-Repository auf GitHub zählt inzwischen über 31.000 Sterne und wird von unabhängigen Entwicklern, Videospieldesignern und Kreativen genutzt. Im vergangenen Jahr hat das Unternehmen fünf Modelle eingeführt: vier zur Sprachgenerierung und eines zur Spracherkennung. Drei der Sprachgenerierungsmodelle sind Open Source verfügbar, während das neueste Modell, S2.1 Pro, ausschließlich über eine kostenpflichtige API (Application Programming Interface) angeboten wird. Eine API ermöglicht es verschiedenen Softwareprogrammen, miteinander zu kommunizieren und Daten auszutauschen. Fish Audio bietet monatliche Abo-Pläne für Kreative und Teams an, die eine bestimmte Anzahl von Generierungsminuten und Funktionen zum Klonen von Stimmen umfassen. Eine Unternehmensversion der APIs und der Plattform wird ebenfalls angeboten und bereits von Organisationen wie HeyGen und Sanas eingesetzt.
Herausforderungen bei Stimmrechten und neue Prozesse
Ein Aspekt der Plattform ist die Möglichkeit für Nutzer, eigene Stimmen zum Trainieren der Modelle einzureichen und bei Nutzung eine Vergütung zu erhalten. Dieser Ansatz führte in der Vergangenheit zu Problemen, da einige Kreative angaben, ihre Stimmen seien ohne Zustimmung hochgeladen worden. Obwohl ein DMCA-Takedown-Prozess (Digital Millennium Copyright Act) existierte, war dieser zeitaufwendig. Laut CEO Rissa Cao wurde der Takedown-Prozess nun automatisiert. Kreative können eine kurze Sprachprobe oder einen Vertrag als Eigentumsnachweis einreichen, woraufhin die Stimme innerhalb von drei Minuten von der Plattform entfernt wird. Osuke Honda, Partner bei Coreline Ventures, betonte, dass ein gemeinschaftsgetriebenes Modell nur bei Vertrauen der Kreativen funktionieren kann. Er forderte, dass Zustimmung, Transparenz und Attribution fest im Produkt verankert sein sollten und die Branche sich in Richtung verifizierter Stimmrechte, klarer Lizenzbedingungen und einfacher Melde- und Entfernungsprozesse bewegen müsse, idealerweise mit Umsatzbeteiligungsmodellen für Kreative.
Zukunftspläne und Marktumfeld
Für dieses Jahr plant Fish Audio die Veröffentlichung eines Modells zum Audioverständnis und arbeitet zudem an einem Speech-to-Speech-Modell. Der Markt für Sprachgenerierung ist stark umkämpft, mit Wettbewerbern wie ElevenLabs, WellSaid, Cartesia, Speechify, Async und Krisp. Rico Mallozzi, Partner bei 359 Capital, sieht in den präzisen Steuerungsmöglichkeiten für Entwickler und der kosteneffizienten Modellschulung einen Wettbewerbsvorteil gegenüber größeren KI-Laboren.
Thema: Technologie / KI allgemein. Quelle/Inspiration: TechCrunch.