Yapay zeka modelleri ve platformları
Fish Audio, Açık Ses Modellerini Gelir Getiren Bir Şirkete Dönüştürmek için 52 Milyon Dolarlık Tohum Yatırımını Kazandı
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Fish Audio, Coreline Ventures ve Capital Today’in ortak liderliğinde 52 milyon dolarlık bir tohum turunu tamamladı. Bu yatırım, son bir yıl içinde modellerini ücretsiz olarak dağıtan ve etrafındaki hizmetler için ücret alan bir Palo Alto metin-sese şirketini hedefliyor. Fish Audio, 8 milyondan fazla kişinin açık ağırlık sürümleri veya barındırılan platformu aracılığıyla bu modelleri kullandığını ve şirketin 21 milyon dolarlık yıllık tekrar eden geliri olduğunu söylüyor.
Tur, 28 Temmuz 2026’da açıklanmıştır ve 359 Capital, HF0 kurucu ikametgahı ve beş diğer fon katılmıştır ve ilk olarak TechCrunch tarafından rapor edilmiştir. CEO ve ortak kurucu Rissa Cao, şirketin outside sermayeye ihtiyacı olmadığını, ancak daha gelişmiş modeller ve企业 hesaplarına yönelik bir hamle için outside sermaye gerektiğini belirtmiştir. 52 milyon dolarlık bir tohum turu, hızlı bir şekilde sesin bir ürün özelliğinden altyapıya dönüşmesini göstermektedir.
Açık Ağırlıklardan Ücretsiz API’ye
Şirket, Nvidia’dan eski bir araştırmacı olan Shijia Liao tarafından bir yan proje olarak başladı. Liao, bir GPU’da bir konuşma modeli eğiterek ve yayınladı. Bu depo, Fish Speech, şimdi 31.000’den fazla yıldızla ve bağımsız geliştiriciler ve oyun stüdyoları arasında bir takipçi kitlesiyle birlikte geliyor. Liao, Fish Audio’nun baş bilim adamıdır ve yaklaşık bir yıl içinde beş model yayınlandı: dört konuşma jeneratörü ve bir konuşma metne dönüştürme sistemi.
Üç konuşma jeneratörü açık olarak yayınlandı. Fish Audio, 9 Mart 2026’da S2’nin ağırlıklarını yayınladı, birlikte ince ayar kodu ve bir akış çıkarımı motoru. S2, 80 dilde 10 milyondan fazla saatlik ses verisiyle eğitilmiş 4 milyar parametreli bir modeldir ve kelime düzeyinde serbest biçimli etiketler gibi [fısıltı] veya [profesyonel yayın tonu] ile yönlendirilir. Şirket, bu kontrollerin 15.000’den fazlasını sayıyor.
En yeni model, S2.1 Pro, açık olarak yayınlanmayan modeldir ve şu anda ücretsiz API üzerinden kullanılabilir: keine karakter sınırlaması, 83 dil ve keine hizmet seviyesi garantisi, ücretsiz pencere 31 Ağustos 2026’ya kadar uzatıldı. Ücretli planlar, gecikme ve çalışma süreleri taahhütlerini içerir ve şirket, yıllık 1 milyon doların üzerindeki geliri olan ürünlerin ücretsiz katmana inşa edilmeden önce kendisiyle konuşmasını ister. Fish Audio, yeniden inşa edilen bir çıkarım yığını, kendi FP8 GPU çekirdek kütüphanesi dahil, bu hediye için uygun olduğunu söylüyor ve yaklaşık 70 milisaniyede ilk sesi bildiriyor.
Bu, işin ticari mantığıdır. Açık ağırlıklar ve ücretsiz bir model, geliştiriciler arasında dağıtım satın alır; gelir, sözleşmeli gecikme gerektiren şirketlerden gelir. Fish Audio, enterprise müşterileri arasında HeyGen, Livekit, Retell, Sanas ve OpenArt’ın zaten API’lerini kullandığını söylüyor ve Cao, talebin kullanım durumuyla bölündüğünü söylüyor: avatar ürünleri gerçekçilik istiyor, oyun stüdyoları ifade edici karakter sesleri istiyor ve ses aracı şirketleri insan gibi ses çıkaran düşük gecikme istiyor. Son segment, ana akım asistanların konuşulan arayüzleri eklemesiyle ve daha küçük stüdyoların aynı nişi takip etmesiyle en hızlı hareket eden segmenttir.
Kim Çeki Yazdı
İki lider, bir ABD geliştirici araçları şirketi için alışılmadık bir eşleştirmedir. Coreline Ventures, DCM Ventures’tan ayrılan küçük bir sınır ötesi fondur ve ABD, Japonya ve Kore’de erken çekler yazıyor. Capital Today, 2005 yılında Kathy Xu tarafından kurulan bir Çin tüketici interneti franchise’sidir ve JD.com (JD ), Meituan, ByteDance ve Moonshot AI dahil olmak üzere yaklaşık 2,8 milyar dolarlık bir evergreen fonu vardır. 359 Capital, Kasım 2025’te Sapphire Ventures’tan yaklaşık 300 milyon dolarlık bir yönetimle ayrıldı ve tüketici ve tüketiciye yakın işlere yatırım yapıyor. Tüketici parası, diğer bir deyişle, bir geliştirici API’sini desteklemektedir.
Osuke Honda, Coreline’in ortak kurucu ortağı ve yönetici ortağı, bu teoriye bir koşul koydu. “Bir topluluk merkezli yaklaşım, sadece yaratıcıların platforma güvendiği zaman kalıcı bir avantaj haline gelebilir” dedi. “Bu, rızanın, şeffaflığın ve atfın ürünün bir parçası olarak değil, sonradan düşünülerek inşa edilmesi gerektiğini anlamına geliyor.”
Kütüphane, kullanıcı tarafından sağlanan bir kütüphanedir. Fish Audio, insanlardan seslerini eğitimi için göndermelerini ister ve sesleri kullanıldığında onlara ödeme yapar ve kamu kütüphanesi şimdi iki milyondan fazla ses içerir. Bu model, 2026’nın başlarında şikayetlere neden oldu, yaratıcılar seslerinin rızaları olmadan yüklenildiğini ve kaldırma işlemlerinin yavaş olduğunu söyledi. 4 Temmuz 2026’da şirket, genel destek kuyruğunu değiştiren bir ses sahipliği anlaşmazlık süreci belgeledi: iddia sahipleri modelin sayfasından başvurur, hükümet kimliği veya kurumsal yetki gösterir ve doğrulama cümlesini yüksek sesle okur. Cao, kaldırmaların artık üç dakikadan az sürede tamamlandığını söyledi.
Ne Geldi
Yol haritasında iki model daha var: bu yıl beklenen bir ses anlama sistemi ve geliştirilme aşamasında olan bir konuşma-konuşma modeli. Her ikisi de bir yönlü anlatımdan ziyade ses aracı yığınına yöneliktir. Konuşma oluşturma zaten kalabalık bir pazardır, ElevenLabs, Cartesia, Speechify ve Krisp, çakışan yaratıcı ve geliştirici kümelerine satış yapıyor. Bu büyüklükte bir artış, iki yıl önce olabileceği gibi artık bir outsider değildir; Enigma, robot arayüzleri için 71 milyon dolarlık bir tohum açtı. Fish Audio için daha yakın bir test, ticari bir testtir: ücretsiz S2.1 Pro penceresi Ağustos 2026’nın sonunda kapanacak ve yeni sermayenin çekildiği geliştiricileri entreprise sözleşmelerine dönüştürmesi gerekiyor.
