फिश ऑडियो ने ओपन वॉयस मॉडल्स को राजस्व में बदलने के लिए $52M सीड फंडिंग हासिल की

फिश ऑडियो ने कोरलाइन वेंचर्स और कैपिटल टुडे के नेतृत्व में $52 मिलियन की सीड राउंड जुटाई है, जो पैसा पालो ऑल्टो टेक्स्ट-टू-स्पीच कंपनी में आता है जिसने पिछले एक साल में अपने मॉडल्स को मुफ्त में दिया है और उनके आसपास की mọi चीज़ के लिए शुल्क लिया है। फिश ऑडियो का कहना है कि 8 मिलियन से अधिक लोग अब या तो ओपन-वेट रिलीज़ के माध्यम से या अपने होस्टेड प्लेटफ़ॉर्म के माध्यम से उन मॉडल्स का उपयोग कर रहे हैं, और व्यवसाय $21 मिलियन के वार्षिक राजस्व में चल रहा है।

राउंड 28 जुलाई, 2026 को प्रकट किया गया था, जिसमें 359 कैपिटल, एचएफ0 फाउंडर रेजिडेंसी और पांच अन्य फंड शामिल थे, और पहली बार टेकक्रंच द्वारा रिपोर्ट किया गया था। सीईओ और सह-संस्थापक रिसा काओ ने कहा कि कंपनी खुले स्रोत वितरण और निर्माता सदस्यता पर पर्याप्त रूप से चल रही थी कि उसे बाहरी पूंजी की आवश्यकता नहीं थी, और अधिक उन्नत मॉडल और उद्यम खातों में धक्का देने के लिए बाहर गया। एक $52 मिलियन राउंड अभी भी बीज लेबल को ले जा रहा है, एक कंपनी में जिसमें आठ अंकों का राजस्व है, यह दिखाता है कि आवाज़ कितनी तेज़ी से एक उत्पाद विशेषता से बुनियादी ढांचे की लाइन आइटम में बदल गई है।

ओपन वेट से मुफ्त एपीआई तक

कंपनी नेविडिया के एक पूर्व शोधकर्ता शिजिया लियाओ द्वारा एक साइड प्रोजेक्ट के रूप में शुरू हुई, जिसने एक एकल जीपीयू पर एक भाषण मॉडल को प्रशिक्षित किया और इसे प्रकाशित किया। उस रिपॉजिटरी, फिश स्पीच, अब 31,000 से अधिक स्टार और स्वतंत्र डेवलपर्स और गेम स्टूडियो के बीच एक अनुयायी है। लियाओ फिश ऑडियो के मुख्य वैज्ञानिक हैं, और लगभग एक साल में पांच मॉडल शिप किए गए हैं: चार भाषण जनरेटर और एक भाषण-से-टेक्स्ट सिस्टम।

तीन भाषण जनरेटर खुले में हैं। फिश ऑडियो ने एस2 के वजन 9 मार्च, 2026 को प्रकाशित किए, साथ ही फ़ाइन-ट्यूनिंग कोड और एक स्ट्रीमिंग अनुमान इंजन। एस2 एक 4-बिलियन-पैरामीटर मॉडल है जो 80 भाषाओं में 10 मिलियन घंटे से अधिक ऑडियो पर प्रशिक्षित किया गया है, जो शब्द स्तर पर इनलाइन डाले गए मुक्त-रूप वाले टैग जैसे [whisper] या [professional broadcast tone] द्वारा निर्देशित किया जाता है। कंपनी के पास उन नियंत्रणों में से 15,000 से अधिक हैं।

नवीनतम मॉडल, एस2.1 प्रो, वह है जिसे यह ओपन रिलीज़ से रोकता है, और यहां तक कि यह वर्तमान में मुफ्त एपीआई पर है: कोई कठिन पात्र सीमा नहीं, 83 भाषाएं और कोई सेवा-स्तर गारंटी नहीं, 31 अगस्त, 2026 तक मुफ्त खिड़की बढ़ाई गई। भुगतान योजनाएं विलंबता और अपटाइम प्रतिबद्धताएं ले जाती हैं, और कंपनी उत्पादों से $1 मिलियन से अधिक के वार्षिक राजस्व वाले उत्पादों को मुफ्त स्तर पर बनाने से पहले इसके साथ बात करने के लिए कहती है। फिश ऑडियो एक पुनर्निर्मित अनुमान स्टैक, जिसमें अपना खुद का एफपी8 जीपीयू कERNEL लाइब्रेरी शामिल है, को उस दान को सस्ता बनाने के लिए श्रेय देता है, और लगभग 70 मिलीसेकंड का दावा करता है एकल अनुरोध पर पहले ऑडियो तक।

यह व्यवसाय का व्यावसायिक तर्क है। ओपन वेट और एक मुफ्त फ्रंटियर मॉडल डेवलपर्स के बीच वितरण खरीदते हैं; राजस्व उन कंपनियों से आता है जिन्हें अनुबंधित विलंबता की आवश्यकता होती है। फिश ऑडियो का कहना है कि उद्यम ग्राहक हेइजेन, लाइवकिट, रेटेल, सैनास और ओपनआर्ट पहले से ही इसके एपीआई पर चल रहे हैं, और काओ का वर्णन उपयोग के मामले द्वारा मांग को विभाजित करता है: अवतार उत्पाद वास्तविकता चाहते हैं, गेम स्टूडियो अभिव्यंजक पात्र आवाजें चाहते हैं, और वॉयस-एजेंट कंपनियां कम विलंबता चाहती हैं जो अभी भी मानवीय लगती है। यह अंतिम खंड सबसे तेजी से बढ़ रहा है, क्योंकि मुख्यधारा के सहायक मौखिक इंटरफेस जोड़ते हैं — एंथ्रोपिक ने जुलाई 2026 में अपने ओपस और सोनेट मॉडल को क्लाउड के वॉयस मोड में लाया — और जब छोटे स्टूडियो उसी निशान का पीछा करते हैं, जिसमें ट्रिल इंजन गेम में ऑन-डिवाइस एआई पात्र और बातचीत लाने के लिए $600k प्री-सीड पर 6 मिलियन डॉलर के मूल्यांकन पर है।

कौन से चेक लिखे गए

दो लीड एक असामान्य जोड़ी हैं एक अमेरिकी डेवलपर-टूल्स कंपनी के लिए। कोरलाइन वेंचर्स डीसीएम वेंचर्स से निकला एक छोटा सा क्रॉस-बॉर्डर फंड है, जो संयुक्त राज्य अमेरिका, जापान और कोरिया में एक जानबूझकर कॉम्पैक्ट पोर्टफोलियो में शुरुआती चेक लिख रहा है जिसमें पहले से ही एक जापानी उत्पन्न-वॉयस लैब है। कैपिटल टुडे चीन का एक उपभोक्ता इंटरनेट फ्रेंचाइजी है जिसकी संस्थापक कैथी शू ने 2005 में स्थापित किया था, जिसमें जेडी.कॉम [सिक्योरिटीज़_स्टॉक_प्राइस_टैग सимвोल = “जेड” एक्सचेंज = “नास्डैक”], मीतुआन, बाइटडांस और मूनशॉट एआई 其中 शामिल हैं और लगभग $2.8 बिलियन का एक हरा-भरा फंड है। 359 कैपिटल, जो नवंबर 2025 में सैपफायर वेंचर्स से अलग हो गया था, जिसमें लगभग $300 मिलियन का प्रबंधन था, उपभोक्ता और उपभोक्ता-संबंधित व्यवसायों में निवेश करता है। उपभोक्ता पैसा, अर्थात्, एक डेवलपर एपीआई का समर्थन करता है, जिस सिद्धांत पर कि सामुदायिक आवाज़ लाइब्रेरी एक टिकाऊ संपत्ति है।

ओसुके होंडा, कोरलाइन के सह-संस्थापक और प्रबंध भागीदार, ने उस सिद्धांत पर एक शर्त रखी। “एक समुदाय-केंद्रित दृष्टिकोण केवल तभी एक टिकाऊ लाभ बन सकता है जब निर्माता मंच पर विश्वास करते हैं,” उन्होंने उसी साक्षात्कार में कहा। “इसका मतलब है कि सहमति, पारदर्शिता और अट्रिब्यूशन को उत्पाद में निर्मित किया जाना चाहिए, न कि बाद के विचार के रूप में।”

लाइब्रेरी उपयोगकर्ता-सप्लाई है। फिश ऑडियो लोगों से अपनी आवाज़ प्रशिक्षण के लिए जमा करने के लिए कहता है और जब एक आवाज़ का उपयोग किया जाता है तो उन्हें भुगतान करता है, और सार्वजनिक लाइब्रेरी में अब दो मिलियन से अधिक आवाजें हैं। उस मॉडल ने 2026 की शुरुआत में शिकायतें आकर्षित कीं, जब निर्माताओं ने कहा कि आवाजें उनकी सहमति के बिना अपलोड की गई थीं और तakedowns धीमी गति से चलती थीं। 4 जुलाई, 2026 को कंपनी ने एक समर्पित आवाज़-स्वामित्व विवाद प्रक्रिया का दस्तावेजीकरण किया जो सामान्य समर्थन कतार को बदल देती है: दावेदार मॉडल के पृष्ठ से दावा करते हैं, सरकारी आईडी या कॉर्पोरेट प्राधिकरण जमा करते हैं, और एक सत्यापन वाक्य को शब्द के स्तर पर उच्च स्वर में पढ़ते हैं। काओ ने कहा कि हटाने अब तीन मिनट से कम समय में पूरा हो जाता है।

क्या अगला जहाज है

सड़कमैप पर दो और मॉडल हैं: एक ऑडियो-समझने वाला सिस्टम जिसकी कंपनी इस साल उम्मीद करती है, और एक भाषण-से-भाषण मॉडल जो अभी भी विकास में है। दोनों वॉयस-एजेंट स्टैक के लिए लक्ष्य बनाए गए हैं, न कि एक-तरफ़ा कथन। भाषण पीढ़ी पहले से ही एक भीड़-भाड़ वाला बाजार है, जिसमें इलेवनलैब्स, कार्टेसिया, स्पीचिफाई और क्रिस्प रचनाकारों और डेवलपर्स के ओवरलैपिंग सेट में बेच रहे हैं। इतनी बड़ी बढ़ोतरी अब दो साल पहले के अपवाद के रूप में नहीं होगी; एनिग्मा ने जुलाई 2026 में रोबोट इंटरफेस के लिए $71 मिलियन का बीज खोला। फिश ऑडियो के लिए निकटतम परीक्षण व्यावसायिक है: मुफ्त एस2.1 प्रो खिड़की अगस्त 2026 के अंत में बंद हो जाती है, और नई पूंजी को आकर्षित किए गए डेवलपर्स को उद्यम अनुबंधों में परिवर्तित करना होगा।