Fish Audio sikrer 52 millioner dollars i seed-runde for at omdanne åbne stemmemodeller til omsætning

Fish Audio har sikret 52 millioner dollars i en seed-runde, der er co-ledet af Coreline Ventures og Capital Today, en indsats, der kommer til en Palo Alto-baseret tekst-til-tale-virksomhed, der har brugt det sidste år på at give sine modeller væk og opkræve betaling for alt, der omgiver dem. Fish Audio siger, at mere end 8 millioner mennesker nu bruger disse modeller gennem enten de åbne vægtsudgaver eller deres hosted platform, og at virksomheden kører med en årlig omsætning på 21 millioner dollars.

Runden blev offentliggjort den 28. juli 2026, med 359 Capital, HF0-founder-residensen og fem andre fonde, der sluttede sig, og blev først rapporteret af TechCrunch. CEO og medstifter Rissa Cao sagde, at virksomheden havde kørt effektivt nok på åben kilde-distribution og skaberkonti, så den ikke havde brug for ekstern kapital, og gik ud for at finansiere mere avancerede modeller og en indsats i enterprise-konti. En seed-runde på 52 millioner dollars, der stadig bærer seed-mærket, i et selskab med otte cifre i årlig omsætning, viser, hvor hurtigt stemme er gået fra en produktfunktion til en infrastrukturpost.

Fra åbne vægte til en gratis API

Virksomheden startede som et sideprojekt af Shijia Liao, en tidligere Nvidia (NVDA )-forsker, der trænede en talemodel på en enkelt GPU og offentliggjorde den. Det repository, Fish Speech, har nu mere end 31.000 stjerner og en følger blandt indie-udviklere og spilstudier. Liao er Fish Audios chief scientist, og fem modeller er udgivet i løbet af omkring et år: fire tale-genereringsmodeller og en tale-til-tekst-system.

Tre af tale-genereringsmodellerne er åbne. Fish Audio offentliggjorde S2’s vægte den 9. marts 2026, sammen med finjusteringskode og en streaming-inferensmotor. S2 er en 4-milliard-parametremodel, der er trænet på mere end 10 millioner timers lyd på omkring 80 sprog, styret af fri-form-tags som [whisper] eller [professionel broadcast tone], der er indssat på ordniveau. Virksomheden tæller mere end 15.000 af disse kontroller.

Den nyeste model, S2.1 Pro, er den, som virksomheden holder tilbage fra åben udgivelse, og selv den er i øjeblikket gratis over API’et: ingen hård karaktergrænse, 83 sprog og ingen service-niveau-garanti, med den gratis periode forlænget til den 31. august 2026. Betalte planer har latency- og uptime-forpligtelser, og virksomheden beder produkter over 1 million dollars i årlig omsætning om at tale med dem, før de bygger på den gratis niveau. Fish Audio tilskriver en genopbygget inferens-stak, herunder deres egen FP8-GPU-kernel-bibliotek, for at gøre denne gave mulig, og rapporterer omkring 70 millisekunder til første lyd på en enkelt anmodning.

Det er den kommercielle logik bag virksomheden. Åbne vægte og en gratis frontier-model køber distribution blandt udviklere; omsætning kommer fra de virksomheder, der har brug for kontraktmæssig latency. Fish Audio siger, at enterprise-kunder, herunder HeyGen, Livekit, Retell, Sanas og OpenArt, allerede kører på deres API’er, og Cao beskriver efterspørgslen som opdelt efter brugstilfælde: avatar-produkter ønsker realisme, spilstudier ønsker udtryksfulde karakterstemmer, og stemme-agent-virksomheder ønsker lav latency, der stadig lyder menneskeligt. Det sidste segment er det, der bevæger sig hurtigst, da mainstream-assistenter tilføjer tale-grænseflader — Anthropic bragte sine Opus- og Sonnet-modeller ind i Claude’s voice-mode i juli 2026 — og da mindre studier jagter samme niche, herunder Tryll Engine med på enhed-spildialog.

Hvem skrev checks

De to leads er et usædvanligt par for en US-udvikler-virksomhed. Coreline Ventures er en lille cross-border-fond, der er udskilt fra DCM Ventures, og skriver tidlige checks i USA, Japan og Korea fra et bevidst kompakt portefølje, der allerede inkluderer en japansk generativ-voice-laboratorium. Capital Today er den kinesiske forbruger-internet-franchise, som Kathy Xu grundlagde i 2005, med JD.com (JD ), Meituan, ByteDance og Moonshot AI blandt dens ejendomme og en evig fond på omkring 2,8 milliarder dollars. 359 Capital, der separerede fra Sapphire Ventures i november 2025 med omkring 300 millioner dollars under administration, investerer i forbruger- og forbruger-relaterede virksomheder. Forbruger-penge, altså, bag en udvikler-API, på teorien om, at fællesskabs-lydbiblioteket er den varige aktiv.

Osuke Honda, Corelines medstifter og administrerende partner, satte en betingelse for den teorien. “En fællesskabs-centreret tilgang kan kun blive en varig fordel, hvis skabere stole på platformen,” sagde han i samme interview. “Det betyder, at samtykke, gennemsigtighed og tilskrivning skal være bygget ind i produktet, snarere end behandles som eftertanker.”

Biblioteket er bruger-suppleret. Fish Audio beder mennesker om at indsende deres egne stemmer til træning og betaler dem, når en stemme bliver brugt, og det offentlige bibliotek indeholder nu mere end to millioner stemmer. Den model fik klager tidligere i 2026, da skabere sagde, at stemmer var blevet uploadet uden deres samtykke, og at fjerningerne bevægede sig langsomt. Den 4. juli 2026 dokumenterede virksomheden en dedikeret stemme-ejendoms-disputt-proces, der erstatter den generelle support-kø: krævere indsender fra modellens side, indsender regerings-ID eller virksomheds-autorisering og læser en verificerings-sætning højt. Cao sagde, at fjerninger nu er fuldført på under tre minutter.

Hvad kommer næste

To modeller er på vej: et audio-forståelsessystem, som virksomheden forventer i år, og en tale-til-tale-model, der stadig er under udvikling. Begge sigter mod stemme-agent-stakken snarere end envejs-narration. Tale-generering er allerede et overfyldt marked, med ElevenLabs, Cartesia, Speechify og Krisp, der sælger ind i overlappende sæt af skabere og udviklere. En indsats af denne størrelse er ikke længere den outlier, det ville have været for to år siden; Enigma åbnede en 71 million dollars seed til robot-grænseflader tidligere i juli 2026. Den nærmere test for Fish Audio er kommerciel: den gratis S2.1 Pro-vindue lukker ved udgangen af august 2026, og den nye kapital skal omdanne de udviklere, den tiltrak, til enterprise-kontrakter.