Fish Audio recaudó 50 millones de dólares para crear modelos de voz de IA

La startup Fish Audio, con sede en Palo Alto, recaudó 50 millones de dólares en una ronda inicial para crear modelos de voz utilizando IA. Según ixbt.com, esta ronda de financiación estuvo liderada por Coreline Ventures y Capital Today, con la participación de otros fondos de capital de riesgo, informa Techcrunch.com. informa .

Hoy en día, el mercado de modelos de voz generados por IA se está desarrollando rápidamente. Mientras que los profesionales creativos exigen que las voces sean lo más expresivas posible, las empresas que buscan automatizar la atención al cliente y los procesos de venta buscan opciones de control sencillo. Fish Audio pretende satisfacer todas estas demandas con su biblioteca de más de 15 000 mecanismos de control en lenguaje natural.

El rápido éxito de la startup

Desde su lanzamiento el año pasado, el número de usuarios de las versiones de código abierto y alojadas de esta startup ha superado los 8 millones. Actualmente, la empresa cuenta con unos ingresos recurrentes anuales de 21 millones de dólares. Se planea utilizar la inversión de 50 millones de dólares atraída para mejorar aún más estos indicadores y ampliar la infraestructura.

El proyecto Fish Audio fue fundado originalmente por Shijia Liao, exinvestigador de NVIDIA, como una pequeña iniciativa. Insatisfecho con la falta de expresividad de las voces sintéticas en el mercado, el especialista desarrolló un nuevo modelo de generación de voz utilizando una sola GPU y lo lanzó en formato de código abierto. El repositorio Fish Speech en GitHub cuenta actualmente con más de 31 000 estrellas y es utilizado activamente por desarrolladores independientes, diseñadores de videojuegos y creadores de contenido.

Línea de modelos y soluciones empresariales

Durante el último año, la empresa lanzó cinco nuevos modelos, incluidos cuatro para la generación de voz y uno para la conversión de voz a texto. Aunque el código de tres de ellos se ha publicado como código abierto, el modelo S2.1 Pro más reciente está disponible únicamente a través de una API de pago. La empresa ofrece planes de suscripción mensual de pago para creadores y equipos, que incluyen límites de minutos específicos y funciones de clonación de voz.

También existe una plataforma API empresarial diseñada para organizaciones, utilizada por empresas reconocidas como HeyGen, Sanas y Plaud. HeyGen utiliza esta tecnología para dar voces realistas a sus avatares de IA, mientras que los estudios de juegos necesitan voces expresivas para sus personajes.

Derechos de autor y soluciones automatizadas

Para ampliar su biblioteca de voces, la startup pidió a los usuarios que enviaran sus propias muestras de voz y les compensó si se utilizaban. Sin embargo, hace unos meses, algunos creadores se quejaron de que sus voces habían sido subidas sin su consentimiento. Para resolver este problema, los ejecutivos de Fish Audio automatizaron por completo el proceso de eliminación de contenido.

Ahora, los autores pueden lograr que su voz sea eliminada de la plataforma en menos de 3 minutos proporcionando una breve muestra de voz o un contrato. No obstante, sigue siendo un tema de actualidad que cualquier persona puede subir la voz de otro artista sin avisar, y esta sigue utilizándose en la plataforma hasta que el propietario legítimo presenta una queja.