Od sypialni po 52 miliony dolarów: Fish Audio rozbija bank w sektorze Voice AI
Shijia Liao, były badacz w NVIDIA, jeszcze niedawno trenował modele na pojedynczej karcie graficznej w domowym zaciszu. Dziś jego startup, Fish Audio, ogłosił pozyskanie 52 milionów dolarów w rundzie zalążkowej, której przewodziły fundusze Coreline Ventures i Capital Today. To rzadki przypadek, gdzie projekt open-source w zaledwie 12 miesięcy zamienia się w potężny biznes z portfelem 8 milionów użytkowników.
Dlaczego to ważne teraz
Nagły sukces Fish Audio to jasny sygnał, że rynek syntetycznego dźwięku przestał być domeną ciekawostek, a stał się realnym sektorem gospodarki. Firma osiągnęła 21 milionów dolarów rocznych przychodów powtarzalnych (ARR) w swoim pierwszym roku działalności. To tempo wzrostu, które zawstydza większość startupów z Doliny Krzemowej i pokazuje, że zapotrzebowanie na wysokiej jakości syntezę głosu jest gigantyczne.
Szybkość, która zmienia zasady gry
Fish Audio nie wygrało marketingiem, wygrało technologią. Ich system potrafi sklonować głos z zaledwie pięciosekundowej próbki w czasie krótszym niż 15 sekund. Platforma obsługuje 83 języki i pozwala sterować emocjami na poziomie konkretnych słów. Nie chodzi o robotyczny odczyt tekstu, ale o naturalne brzmienie, którego dotychczasowe rozwiązania nie potrafiły dostarczyć.
Najnowszy model firmy, S2.1 Pro, pokonał konkurencję w ślepych testach odsłuchowych – blisko 67% badanych oceniło go wyżej niż znane dotąd rozwiązania. Aby przyciągnąć deweloperów, firma ogłosiła agresywną promocję: model ten będzie dostępny za darmo przez API do końca sierpnia 2026 roku.
B2B i bezpieczeństwo danych
Startup nie ogranicza się do twórców treści na YouTube. Strategia Fish Audio celuje w sektor enterprise. Firma oferuje wdrożenia on-premises, co jest kluczowe dla instytucji finansowych czy medycznych dbających o poufność danych. Zgodność z regulacjami takimi jak HIPAA otwiera im drzwi do bezpiecznego wykorzystania technologii w ochronie zdrowia.
Jak donosi Morningstar, pozyskany kapitał posłuży do budowy kompletnego stosu audio. Zamiast prostego Text-to-Speech, Fish Audio chce stworzyć natywne modele LLM operujące bezpośrednio na dźwięku. Współpraca z LiveKit czy Retell ma z kolei przyspieszyć wdrożenia agentów głosowych działających w czasie rzeczywistym.
