Fish Audio: 5200 萬美元種子輪, 做 AI 語音模型

一家做 AI 語音模型的創業公司, 種子輪就拿了 5200 萬美元。Fish Audio 這個名字, 在技術圈外可能還不怎麼響, 但論使用者規模, 它已經悄悄跑到了很多同行的前面。

根據 TechCrunch 的報道, Fish Audio 自去年正式推出以來, 開源版本和託管版本的模型累計吸引了超過 800 萬人使用, 年經常性收入(ARR)達到 2100 萬美元。對一個成立時間不長的團隊來說, 這樣的數字放在 AI 語音賽道里, 已經稱得上亮眼。

一款把門檻壓得足夠低的語音模型

Fish Audio 的核心業務並不複雜: 讓使用者用文字生成語音, 也支援聲音克隆、語音合成這類典型應用。和很多隻做 API 的語音公司不同, 他們一開始就選擇了開源加託管的雙軌路線。開源模型給了開發者自由實驗的空間, 託管服務則承接那些不想自己部署的使用者。

這種做法對獨立開發者和中小團隊尤其友好。你不需要搭 GPU 叢集, 也不需要啃厚重的技術文件, 直接在網頁上拖幾個檔案, 或者呼叫現成的介面, 就能得到一條聽起來相當自然的語音。用一位早期使用者的話說, 它把以前需要專門音色設計師乾的活, 壓縮成了幾分鐘的事。

文字轉語音: 支援多語言和多種音色, 適合短視訊配音、有聲內容
聲音克隆: 上傳短樣本即可生成相似音色, 降低角色配音門檻
開源模型: 社羣可以自託管、二次微調, 滿足資料合規要求

種子輪 5200 萬美元, 錢會花在哪

5200 萬美元放在大模型賽道不算誇張, 但作為種子輪, 它已經透露出資本對 AI 語音商業化前景的明確態度。Fish Audio 計劃把這筆資金主要用於三件事: 擴充模型訓練的算力與資料、擴大研發團隊、以及搭建面向企業客戶的銷售與服務能力。

值得注意的是, 這家公司在營收結構上並不完全依賴大客戶買單。800 萬使用者裡, 大量是個人創作者和小型工作室, 他們貢獻的客單價不高, 但勝在基數大、增長穩。2100 萬美元的 ARR, 更多是靠訂閱和按量計費一點點堆出來的。

這種從下往上的打法, 和海外一些只盯著大企業合同的語音公司形成了鮮明對比。對創作者經濟敏感的人來說, Fish Audio 的增長資料本身就是個訊號: AI 語音的付費意願正在從專業製作人擴散到普通內容生產者。

對創作者和企業, 意味著什麼

對單個創作者來說, 最直接的變化是配音成本大幅下降。過去做一條多角色音訊, 可能要請人錄、約時間、反覆返工, 現在幾段文字就能生成一版可用的草稿, 甚至直接用於釋出。像播客開場、視訊旁白、遊戲 NPC 語音這類場景, 以前是專業團隊的活, 現在個人也能上手。

對企業的意義則更偏工業化。客服語音、營銷視訊、內部培訓材料, 這些需要穩定音色輸出的地方, 正好是 Fish Audio 託管模型的舒適區。加上開源版本的存在, 企業可以先把模型放到自己的環境裡驗證效果, 再決定要不要進入付費體系。這種靈活度, 在強調資料隱私的行業裡尤其有吸引力。

當然, 挑戰也是明擺著的。語音克隆技術一旦濫用, 會帶來身份冒充、虛假資訊等問題。Fish Audio 在合規上做了一些限制, 比如要求授權證明, 但整個行業都在摸索邊界。使用者在選擇這類服務時, 也應該主動了解平臺的使用條款和風險提示。

一點看法

AI 語音不是新賽道, 但 Fish Audio 用開源加低門檻產品的組合, 硬是在一片紅海里擠出了自己的位置。種子輪就拿到 5200 萬美元, 說明資方對它的增長路徑是認可的。下一步要看的是, 當使用者規模繼續膨脹, 它能不能在音質、時延和價格之間保持住平衡——畢竟, 這個領域的使用者遷移成本, 比很多人想象中低得多。