AI语音创企Fish Audio完成5200万美元种子轮融资，用户超800万 丨News

前英伟达研究员创办，GitHub超3.1万星标。

本周，Fish Audio宣布完成5200万美元种子轮融资，由Coreline Ventures和Capital Today领投。

参与方包括359 Capital、Parable、Play Time、Alphalist Partners、Bayhouse Ventures、Carya Venture Partners、HF0、645 Ventures及多家天使投资人。

（图片来源：Fish Audio）

此时正值公司成立一周年——从零起步，已实现2100万美元年经常性收入，用户超过800万。

AI语音生成市场正在经历爆发式增长。创作者需要更具表现力的AI语音，而希望实现客服与销售自动化的企业则更需要易调控的模型。总部位于帕洛阿尔托的Fish Audio希望凭借超过1.5万种自然语言控制选项来满足上述所有需求。

Fish Audio最初是前英伟达研究员廖世嘉（Shijia Liao） 的一个小型项目。因对市面上合成语音的表现力不满，他在单张消费级GPU上训练了一个语音生成模型并开源，命名为Fish Speech。

（图片来源：X@FishAudio）

该仓库在GitHub上已积累超过3.1万星标，被独立开发者、游戏设计师和内容创作者广泛使用。

过去一年，公司共推出五款模型，四款语音生成模型和一款语音转文字模型。其中三款已开源，但最新的S2.1 Pro仅通过付费API提供。该模型支持83种以上语言，仅凭5秒音频样本可以克隆一个声音，生成速度比Cartesia快2倍以上，成本约为ElevenLabs的六分之一。

（图片来源：X@FishAudio）

Fish Audio联合创始人兼CEO曹睿莎（Rissa Cao）表示，不同企业的需求各不相同：HeyGen用他们的声音驱动AI虚拟形象，追求真实感；游戏工作室需要富有表现力的角色声音；LiveKit这类语音智能体公司则需要自然流畅、低延迟的通话声音。

（图片来源：X@FishAudio）

目前，HeyGen、Sanas、LiveKit、Retell、OpenArt、creatify等企业已成为其客户。

（图片来源：Fish Audio）

公司构建声音库的方式之一是邀请用户提交声音用于训练，并在被使用时给予报酬。但这一模式几个月前引发了争议，部分创作者称自己的声音在未获授权的情况下被上传至平台。

虽然公司设有DMCA下架流程，但处理周期较长。曹睿莎透露，公司已将下架流程自动化——创作者提交声音样本或合同证明所有权后，声音可在三分钟内从平台移除。

不过，这仍无法阻止他人在艺术家不知情的情况下擅自上传，在当事人发现并申请前，其声音会持续被使用。

Coreline Ventures合伙人本田大辅（Osuke Honda） 表示：“以社区为核心的方式，只有当创作者真正信任平台时，才能形成持久的竞争优势。这意味着同意机制、透明度和署名权必须内嵌于产品本身，而非事后补救。”

曹睿莎表示，早期公司仅以开源项目运营时，凭借创作者套餐便能高效运转，无需外部融资。但为了开发更先进的模型、拓展企业市场，加之投资方关注升温，才决定寻求外部资本。

本轮融资将用于开发音频理解模型和语音到语音转换模型，同时扩充企业销售团队、深化开发者工具和API基础设施建设。目前公司员工已从3人扩展至22人，企业和开发者客户贡献了约三分之二的收入。

文章来自于"创新观察局"，作者 "汪佩"。