アメリカのAIスタートアップ企業「Fish Audio（フィッシュ・オーディオ）」は、クリエイターや企業向けのAI音声モデルの開発を強化するため、シードラウンドで5000万ドル（約77億5000万円）の資金を調達したと発表しました。
同社はアメリカ・カリフォルニア州に拠点を置き、1万5000以上の自然言語制御ライブラリを活用して、表現力豊かなAI音声モデルを提供しています。昨年サービスの提供を開始して以来、オープンソース版やホスト版のモデルを利用するユーザーは800万人を超え、年間経常収益は2100万ドル（約32億5500万円）に達しているということです。
今回の資金調達は、ベンチャーキャピタルの「Coreline Ventures」や「Capital Today」が主導しました。同社はこれまで効率的な運営を行ってきましたが、より高度なモデルの開発や、高まる企業からの需要に対応するため、資金調達に踏み切ったとしています。
Fish Audioは、元NVIDIAの研究者であるShijia Liao氏によって設立されました。市場にある既存の合成音声の表現力に不満を持った同氏が、独自の音声生成モデルを開発し、無償で公開したことが始まりです。現在、同社の技術は個人の開発者からゲームデザイナーまで幅広く利用されています。
過去1年間で、同社は4つの音声生成モデルと1つの文字起こしモデルを公開しました。最新の高性能モデル「S2.1 Pro」は、有料のAPIを通じて提供されています。また、企業向けのプラットフォームも展開しており、すでに複数のAI関連企業が導入しているということです。
同社のRissa Cao CEOは、「企業によって用途や好みは異なります。リアルな音声を求める企業もあれば、ゲームのキャラクター用に表現力豊かな音声を求める企業、通話用に自然で遅延の少ない音声を求める企業もあります」と述べ、多様なニーズに対応していく方針を示しました。
一方で、音声データの権利保護に関する課題も浮上しています。同社はユーザーから提供された音声データを学習に活用していますが、本人の同意なしに音声がアップロードされるケースが報告されていました。これに対し、同社は削除申請の手続きを自動化し、音声の権利を証明できれば3分以内にプラットフォームから削除される仕組みを導入したとしています。
投資家からは、クリエイターの信頼を獲得することが重要だという指摘も出ています。同意の取得や透明性の確保、さらにはクリエイターに利益を還元する仕組みづくりが業界全体に求められているということです。
Fish Audioは今後、音声理解モデルや、音声から音声への変換モデルの提供を予定しています。AI音声市場は競争が激化していますが、同社はきめ細かい制御技術とコスト効率の高さを強みに、事業の拡大を目指す方針です。