Fish Audio привлекает $50 млн на клонирование голоса, но вопросы о согласии остаются открытыми

Ключевые моменты

• Fish Audio закрыла раунд финансирования на сумму $50 млн во вторник под руководством Coreline Ventures и Capital Today.
• Стартап сообщил о $21 млн годового повторяющегося дохода и более чем 8 млн пользователях на этой неделе.
• Библиотека голосов Fish Audio была построена отчасти из записей, загруженных пользователями, некоторые из которых были загружены без согласия исходных создателей.
• Компания автоматизировала процесс удаления голосов, обещая удаление менее чем за три минуты после проверенной жалобы.
• Fish Audio планирует выпустить модель понимания аудио и модель преобразования речи до конца 2025 года.

Стартап из Пало-Альто, позволяющий разработчикам и дизайнерам игр генерировать реалистичные синтетические голоса, получил значительный объём инвестиций на ранней стадии, подтверждая сильный интерес инвесторов к технологии синтеза речи, даже когда сектор борется со сложными вопросами о том, кому принадлежит голос.

Fish Audio объявила во вторник, что привлекла $50 млн в раунде финансирования, что является типичным инвестированием на ранней стадии, предшествующим доказыванию компанией своего потенциала в масштабе. Coreline Ventures и Capital Today возглавили раунд при участии 359 Capital, Parable, Play Time, Alphalist Partners, Bayhouse Ventures, Carya Venture Partners и HF0.

Чем на самом деле занимается Fish Audio?

Компания разрабатывает модели преобразования текста в речь, программное обеспечение, которое преобразует написанные слова в произнесённый звук, с акцентом на выразительность и точный контроль. Её библиотека содержит более 15 000 элементов управления на естественном языке, поэтому разработчик может написать инструкцию вроде «звучит нервно, но успокаивающе» вместо регулировки технических параметров.

Fish Audio запустила пять моделей в течение последнего года: четыре модели генерации речи и одну модель преобразования речи в текст, которая выполняет обратное преобразование звука в написанный текст. Три из речевых моделей имеют открытый исходный код, что означает, что любой может свободно загружать и использовать код. Её последняя модель S2.1 Pro доступна только через платный API, интерфейс программирования, позволяющий другим приложениям подключаться к технологии Fish Audio.

Компания ведёт свои корни из побочного проекта бывшего исследователя Nvidia Shijia Liao. Разочарованный тем, насколько робо́тны звучали синтетические голоса, он обучил модель на одном GPU, специализированном чипе, выполняющем тяжёлые вычисления, необходимые для ИИ, и опубликовал код в открытом доступе. Этот репозиторий с тех пор собрал более 31 000 звёзд на GitHub, грубо говоря, меру интереса разработчиков.

Сегодня платные клиенты включают HeyGen, обеспечивающую ИИ-аватары, и платформы голосовых агентов уровня предприятия. Fish Audio генерирует $21 млн годового повторяющегося дохода, о чём первой сообщила TechCrunch.

Должны ли создатели беспокоиться об использовании их голосов без разрешения?

Возможно, да. Ранее в этом году некоторые артисты утверждали, что их голоса появились на платформе Fish Audio без их согласия. Стратегия роста Fish Audio включает просьбу к пользователям загружать голоса для обучения моделей и компенсацию авторам при использовании их записей. Это доверие было подорвано.

С тех пор компания автоматизировала процесс удаления согласно DMCA. DMCA, Закон об авторском праве в цифровую эпоху, — это американский закон, который предоставляет авторам официальный способ потребовать удаления их охраняемого авторским правом материала с онлайн-платформ. Генеральный директор Rissa Cao сообщила TechCrunch, что проверенная жалоба теперь запускает удаление менее чем за три минуты.

Однако пробел в процессе остаётся реальным. Ничто не препятствует тому, чтобы кто-то загрузил голос другого человека без его ведома, и голос остаётся в сети, пока затронутый создатель не обнаружит его и не подаст жалобу. Это та же структурная проблема, которую мы освещали в взломе Suno ранее в этом году: более быстрое удаление помогает, но оно не решает, как материал туда попал в первую очередь.

Oskue Honda, партнёр ведущего инвестора Coreline Ventures, напрямую признал проблему: «Согласие, прозрачность и указание авторства должны быть встроены в продукт, а не рассматриваться как последующие решения».

Что дальше?

Fish Audio будет использовать финансирование для разработки более продвинутых моделей и привлечения крупных корпоративных клиентов. Два новых продукта находятся в дорожной карте на 2025 год: модель понимания аудио, которая интерпретирует смысл и содержание аудиоклипов, и модель преобразования речи в речь, которая преобразует один произносимый голос в другой в реальном времени.

Рынок переполнен. ElevenLabs, WellSaid, Cartesia и Speechify все конкурируют за одних и тех же разработчиков и бюджеты компаний. Аргумент Fish Audio состоит в том, что она может достичь ведущего качества при более низких затратах, отчасти потому, что её стройная команда основателей держала затраты на обучение низкими.

Для обычных пользователей практический результат прямолинеен: поищите своё имя или голос на любой платформе синтеза звука ИИ, на которую вы не регистрировались явно. Если вы что-то найдёте, на большинстве платформ теперь есть маршрут удаления, а у Fish Audio он теперь быстрее, чем у большинства.

Часто задаваемые вопросы

Может ли компания на законных основаниях использовать ваш голос для обучения ИИ без спроса?

В большинстве юрисдикций — нет. Законодательство об авторском праве и в некоторых штатах США законы о праве на публичность дают лицам контроль над коммерческим использованием их голоса. Правовая картина всё ещё развивается, но загрузка чужого голоса без согласия уже несёт реальный риск для загружающего.

Что такое раунд финансирования, и почему $50 млн звучит внушительно для него?

Раунд финансирования — это первое официальное внешнее инвестирование, которое привлекает стартап, обычно использующееся для разработки продукта и найма персонала. Пятьдесят миллионов долларов необычно много на этой стадии, отражая, насколько велика конкуренция в поддержку компаний инфраструктуры ИИ до их дальнейших, более дорогих раундов финансирования.