استارت‌آپ نوپای Fish Audio با معرفی مدل‌های صوتی هوش مصنوعی واقع‌گرایانه و منبع‌باز توانسته توجه چشمگیری را در صنعت فناوری جلب کند. این شرکت به‌تازگی موفق به جذب سرمایه ۵۰ میلیون دلاری در مرحله Seed شده و درآمد سالانه متناوب (ARR) خود را به ۲۱ میلیون دلار رسانده است. بازار مدل‌های صوتی هوش مصنوعی به سرعت در حال رشد است و Fish Audio با ارائه کاتالوگی شامل بیش از ۱۵,۰۰۰ کنترل زبان طبیعی، به یکی از ابزارهای کلیدی برای تولیدکنندگان محتوا و کسب‌وکارهای بزرگ تبدیل شده است.
جهش خیره‌کننده Fish Audio؛ از یک پروژه شخصی تا ارزش‌آفرینی میلیونی
همه چیز از یک پروژه شخصی توسط شیجیا لیائو (Shijia Liao)، محقق سابق شرکت انویدیا (NVIDIA) آغاز شد. او که از بی‌روح بودن صداهای مصنوعی موجود در بازار خسته شده بود، یک مدل تولید صدا را روی یک پردازنده گرافیکی (GPU) آموزش داد و آن را به صورت open-source منتشر کرد.
پروژه Fish Speech در گیت‌هاب بیش از ۳۱ هزار ستاره دریافت کرده و امروزه بیش از ۸ میلیون کاربر از نسخه‌های منبع‌باز یا ابری آن استفاده می‌کنند.
مهم‌ترین دستاوردها و ویژگی‌های کلیدی این استارت‌آپ عبارتند از:
- توسعه و عرضه ۵ مدل پیشرفته در یک سال اخیر (۴ مدل تولید گفتار و ۱ مدل تبدیل گفتار به متن).
- عرضه جدیدترین مدل پیشرفته یعنی S2.1 Pro به صورت اختصاصی از طریق API تجاری.
- ارائه ابزارهای قدرتمند کلون صدا (Voice Cloning) و کنترل‌های دقیق احساسی برای پروژه‌های حساس.
- همکاری با شرکت‌های بزرگ فناوری نظیر HeyGen، Sanas و Plaud جهت ساخت آواتارهای هوش مصنوعی و عامل‌های صوتی کم‌تاخیر.
حل چالش‌های حقوقی کلون صدا و چشم‌انداز آینده
یکی از چالش‌های اصلی سیستم‌های کلون صدا، استفاده بدون اجازه از صدای افراد بود. پیش از این، فرآیند حذف محتوای کپی‌رایتی در Fish Audio زمان‌بر بود، اما این شرکت اکنون یک سیستم خودکار حذف سریع را راه‌اندازی کرده است.
به گفته ریسا کائو (Rissa Cao)، مدیرعامل و هم‌بنیان‌گذار شرکت، تولیدکنندگان محتوا اکنون می‌توانند با ارسال یک نمونه صوتی کوتاه یا مدرک مالکیت، صدای کلون‌شده غیرمجاز خود را در کمتر از ۳ دقیقه از پلتفرم حذف کنند.
با وجود رقبای قدرتمندی مانند ElevenLabs و Speechify، شرکت Fish Audio قصد دارد تا انتهای امسال مدل‌های جدیدی برای فهم صوتی (Audio Understanding) و ارتباط مستقیم گفتار به گفتار (Speech-to-Speech) عرضه کند تا سهم بیشتری از بازار داغ هوش مصنوعی صوتی را از آن خود کند.
سوالات متداول
استارت‌آپ Fish Audio چه میزان سرمایه جذب کرده است؟
این شرکت در مرحله Seed موفق به جذب ۵۰ میلیون دلار سرمایه به رهبری Coreline Ventures و Capital Today شده است.
چه تعداد کاربر از ابزارهای هوش مصنوعی Fish Audio استفاده می‌کنند؟
در حال حاضر بیش از ۸ میلیون کاربر در سراسر جهان از مدل‌های ابری و منبع‌باز (Open-Source) این پلتفرم بهره می‌برند.
آیا امکان حذف صدای کلون‌شده غیرمجاز در این پلتفرم وجود دارد؟
بله، با سیستم خودکار جدید Fish Audio، صاحبان صدا می‌توانند ظرف کمتر از ۳ دقیقه صدای ثبت‌شده بدون اجازه را از پلتفرم حذف کنند.