Fish Audio lève 50 millions de dollars pour créer des modèles vocaux AI

La startup Fish Audio, basée à Palo Alto, a levé 50 millions de dollars lors d'un premier tour de table pour créer des modèles vocaux à l'aide de l'AI. Selon ixbt.com, ce tour de financement a été mené par Coreline Ventures et Capital Today, avec la participation de plusieurs autres fonds de capital-risque, rapporte Techcrunch.com. rapporte .

Aujourd'hui, le marché des modèles vocaux générés par l'AI se développe rapidement. Alors que les professionnels de la création exigent des voix aussi expressives que possible, les entreprises cherchant à automatiser le service client et les processus de vente recherchent des options de contrôle faciles. Fish Audio vise à répondre à toutes ces demandes grâce à sa bibliothèque de plus de 15 000 mécanismes de contrôle en langage naturel.

Le succès rapide de la startup

Depuis son lancement l'année dernière, le nombre d'utilisateurs des versions open-source et hébergées de cette startup a dépassé les 8 millions. Actuellement, l'entreprise génère un chiffre d'affaires annuel récurrent de 21 millions de dollars. L'investissement de 50 millions de dollars levé devrait permettre d'améliorer encore ces indicateurs et d'étendre l'infrastructure.

Le projet Fish Audio a été initié à l'origine par Shijia Liao, ancien chercheur de NVIDIA, en tant que petite initiative. Insatisfait du manque d'expressivité des voix synthétiques sur le marché, le spécialiste a développé un nouveau modèle de génération vocale utilisant un seul GPU et l'a publié au format open-source. Le dépôt Fish Speech sur GitHub compte actuellement plus de 31 000 étoiles et est activement utilisé par des développeurs indépendants, des concepteurs de jeux vidéo et des créateurs de contenu.

Gamme de modèles et solutions d'entreprise

Au cours de la dernière année, l'entreprise a lancé cinq nouveaux modèles, dont quatre pour la génération de parole et un pour la conversion de la parole en texte. Bien que le code de trois d'entre eux ait été publié en open-source, le tout dernier modèle S2.1 Pro est exclusivement disponible via une API payante. L'entreprise propose des abonnements mensuels payants pour les créateurs et les équipes, incluant des limites de minutes spécifiques et des fonctions de clonage vocal.

Il existe également une plateforme API d'entreprise conçue pour les organisations, utilisée par des entreprises bien connues telles que HeyGen, Sanas et Plaud. HeyGen utilise cette technologie pour donner des voix réalistes à ses avatars AI, tandis que les studios de jeux ont besoin de voix expressives pour leurs personnages.

Droits d'auteur et solutions automatisées

Pour élargir sa bibliothèque vocale, la startup a demandé aux utilisateurs de soumettre leurs propres échantillons vocaux et les a compensés en cas d'utilisation. Cependant, il y a quelques mois, certains créateurs se sont plaints que leurs voix avaient été téléchargées sans leur consentement. Pour résoudre ce problème, les dirigeants de Fish Audio ont entièrement automatisé le processus de suppression de contenu.

Désormais, les auteurs peuvent obtenir la suppression de leur voix de la plateforme en moins de 3 minutes en fournissant un court échantillon vocal ou un contrat. Néanmoins, la question reste d'actualité : il est toujours possible pour quelqu'un de télécharger la voix d'un autre artiste sans le prévenir, et celle-ci continue d'être utilisée sur la plateforme jusqu'à ce que le propriétaire légitime dépose une réclamation.