Fish Audioは2026年7月28日(現地時間)、シードラウンドで5200万ドルを調達したと発表した。この資金調達はCoreline VenturesとCapital Todayが主導し、359 Capital、Parable、Play Time、Alphalist Partners、Bayhouse Ventures、Carya Venture Partners、HF0が参加した。同社は創業以来、オープンソース版またはホスト版のモデルで800万人を超えるユーザーを獲得し、年間経常収益2100万ドルを計上している。
Fish Audioは、クリエイターと企業の両方に対応するAI音声モデルの開発を目指している。同社は1万5000以上の自然言語コントロールを含むライブラリを提供しており、クリエイティブ用途では表現力の高いモデルを、顧客サポートやセールス業務の自動化を目指す企業向けにはより制御しやすいモデルを提供している。
同社は、元Nvidiaの研究者であるシジア・リャオ氏による小規模なプロジェクトとしてスタートした。リャオ氏は、市場に存在する合成音声の表現力の欠如に不満を感じ、単一のGPUで音声生成モデルをトレーニングし、これをオープンソース化した。GitHubの「Fish Speech」リポジトリは現在3万1000以上のスターを獲得し、インディー開発者、ビデオゲームデザイナー、クリエイターに利用されている。
過去1年間で、Fish Audioは4つの音声生成モデルと1つの音声認識モデルの計5つのモデルを公開した。うち3つの音声生成モデルはオープンソースとして提供されているが、最新の「S2.1 Pro」モデルは有料APIでのみ利用可能となっている。クリエイターやチーム向けの月額有料プランでは、一定時間の生成と音声クローン機能が利用できるほか、企業向けのAPIとプラットフォームも提供しており、HeyGenやSanasなどの組織がすでに利用している。
Fish AudioのCEO兼共同創設者であるリッサ・カオ氏は、企業ごとに異なるユースケースと好みがある。例えば、AIアバターに当社の音声を使用するHeyGenのような企業は音声のリアルさを求め、ゲームスタジオはキャラクターに表現力豊かな音声を求め、LiveKitのような音声エージェント企業は、通話に適した自然で低遅延かつ表現力のある音声を求めていると述べた。
同社はモデルのトレーニングのためにユーザーから音声サンプルを募り、使用された場合には報酬を支払う方式を採用している。しかし数ヶ月前、一部のクリエイターから同意なく音声がアップロードされたとの申し立てがあり、問題が発生した。同社はDMCAテイクダウンプロセスを整備していたものの、対応に時間を要していたが、カオ氏によると、現在はこのテイクダウンプロセスを自動化し、クリエイターが音声サンプルや契約を提出すれば3分以内にプラットフォームから削除されるという。
Coreline Venturesのパートナーであるオースケ・ホンダ氏は、クリエイターがプラットフォームを信頼して初めてコミュニティ主導モデルが機能するとし、同意、透明性、帰属表示が製品に組み込まれる必要があると述べた。また、359 Capitalのパートナーであるリコ・マロッツィ氏は、同社のモデルが人工的な音声と人間のような音声の間のギャップを埋める技術的な能力を示していると評価した。
Fish Audioは今後、年内にオーディオ理解モデルをリリースする計画であり、現在、スピーチ・ツー・スピーチモデルの開発も進めている。同社は、ElevenLabs、WellSaid、Cartesia、Speechify、Async、Krispなど、クリエイターや企業向けに競争が激化する音声生成市場で事業を展開している。
参考: techcrunch.com (アーカイブ) — 2026年7月28日 23:00 (JST)