Fish Audioがシードで5200万ドル調達、ARR2100万ドル到達後
このAI音声スタートアップは7月29日、音声モデル「S2.1 Pro」を公開した。5秒のサンプルから音声を複製でき、すでに複数企業の本番環境で利用されているとしている。
ファクトチェック
中核となる主張は、Fish Audioの公式Xでの発表とTechCrunchの一次記事によって確認できる。シードラウンドで5200万ドルを調達し、ARRは2100万ドルで、5秒のサンプルから音声を複製できるS2.1 Proを一般公開した。すでにHeyGen、LiveKit、Retellを含む企業が本番環境で利用している。唯一の不正確な点は公開日である。公式投稿とTechCrunchはいずれも発表日を2026年7月28日としており、7月29日ではない。二次的な集約サイトの一部（CryptoBriefing）は金額を5000万ドルに丸めているが、一次情報と公式ソースはいずれも5200万ドルを確認している。資金調達、ARR、モデルの性能、本番利用はいずれも正確で、日付だけが1日ずれているため、この主張はおおむね正しい可能性が高い。
要約
Fish Audioは、投資家名を明らかにしないまま5200万ドルのシードラウンドを完了し、7月29日に新たな音声生成モデル「S2.1 Pro」を公開したと発表した。同社によれば、オープンソースおよびホスト型のテキスト読み上げ製品全体でユーザー数は800万人超に達し、年間経常収益（ARR）は2100万ドルに到達した。Fish Audioは、ダウンロード可能なソフトウェアと開発者向けのホスト型API（Application Programming Interface）を通じ、書かれたテキストを自然な音声に変換する音声合成モデルを開発している。同社によれば、「Fish-Speech」と「S2」の各モデル群は80超の言語に対応しており、2026年3月に公開した従来の「S2」と「S2 Pro」では、ベンチマークの単語誤り率が中国語で0.54%、英語で0.99%だった。Fish Audioは、S2.1 Proが5秒のサンプルから音声を複製でき、Cartesiaの約2倍の速度で動作し、コストはElevenLabsのおよそ6分の1で、すでにHeyGen、LiveKit、Retell、Sanas、OpenArtで本番利用されているとしている。同社はまた、2025年の別個の3000万ドルのベンチャー資金調達ラウンド後に、企業価値が5億ドルに達したとも述べている。
用語解説
- テキスト読み上げ: 書かれたテキストを合成音声による音声データに変換する技術
- ホスト型API: 開発者が自社アプリケーションにその企業の音声ソフトウェアを統合できるクラウドベースのインターフェース
- 音声複製: 短い音声サンプルから人物の声を再現し、合成音声生成に用いるプロセス