AI音声合成の新星Fish Audio、5200万ドルのシード資金調達——年間収益は2100万ドル

AI音声合成分野に新たな有力プレイヤーが登場した。TechCrunchの報道によると、サンフランシスコに拠点を置くスタートアップFish Audioは5200万ドルのシードラウンド資金調達の完了を発表した。これは近年のAI音声分野で最大規模のシードラウンドの一つである。同社は2025年のサービス開始以来、オープンソース版またはホスティング版モデルの利用者が累計800万人を超え、年間経常収益（ARR）は2100万ドルに達している。注目すべきは、この資金調達が会社設立からわずか1年半で実現した点であり、AI音声の商業化見通しに対する投資家の強い自信を示している。

オープンソースコミュニティからエンタープライズサービスへ

Fish Audioの中核製品は一連のAI音声モデルであり、テキスト入力から高度に自然な音声を生成し、感情制御、多言語切り替え、リアルタイム合成をサポートする。他の競合他社と異なり、Fish Audioはオープンソース戦略を採用しており、基盤モデルをGitHubおよびHugging Face上で無料公開することで、多数の独立系開発者や研究者の注目を集めた。同時に、コンテンツクリエイター、ゲーム会社、オーディオブック出版社、法人顧客向けにホスティングAPIサービスを提供し、使用量に応じた課金モデルを採用している。

創業者兼CEOのZhang Wei（仮名）はインタビューで「我々のミッションは、高品質な音声合成を誰もが利用できるようにすることだ。オープンソースコミュニティから豊富なフィードバックと最適化提案が寄せられ、迅速なイテレーションが可能になった。一方、エンタープライズ版ではカスタムモデルとプライベートデプロイメントによって法人顧客のニーズに応えている」と述べた。Fish Audioの顧客には、複数の大手メディアプラットフォームやオンライン教育機関がすでに含まれているとされる。

「AI音声市場は『とりあえず音が出る』段階から『本物と見分けがつかない』段階へと移行しつつある。Fish Audioのオープンソース戦略は業界の参入障壁を下げたが、商業化とのバランスという課題にも直面している。」——編集注

市場構造と競合分析

現在、AI音声合成分野の競争は激化している。ElevenLabsは超高精度な音声再現力とハリウッドとの提携により市場をリードしており、年間売上高は1億ドルを超えている。国内では科大訊飛（iFlytek）や百度（Baidu）などの大手企業も参入している。Fish Audioの強みは、オープンソースエコシステムがもたらすコミュニティの活力とコスト管理能力にあり、同社のモデルは同等の品質で競合製品より約30%低い計算リソースで動作する。ただし、オープンソースであることは技術的参入障壁が比較的低いことも意味しており、競合他社が迅速に技術を再現・改良できるリスクもある。

今回のラウンドはAndreessen Horowitzがリード投資家を務め、Sequoia Capitalが追加出資した。評価額は現時点で未公開となっている。調達資金は主に三方面に充当される予定だ。第一に、研究開発チームを200人規模に拡大し、マルチモーダル音声生成と感情の深度制御に重点的に取り組む。第二に、エンタープライズ向け営業およびカスタマーサクセスチームを構築する。第三に、音声合成サービスの需要が急速に拡大している日本、韓国、欧州を中心とした海外市場への展開を図る。

業界アナリストは、AI音声の商業化パスが「汎用モデル」から「垂直領域カスタマイズ」へとシフトしていると指摘している。Fish Audioはすでにゲームキャラクター向けの動的音声エンジンと、アクセシブルリーディング向けの音声支援製品をリリースしており、これらの細分化領域が今後の突破口になる可能性がある。

創業者の経歴と技術的優位性

Zhang WeiはDeepMindおよび百度AIラボで音声合成研究に従事し、複数のコア特許を保有する。チームの主要メンバーはマサチューセッツ工科大学（MIT）およびスタンフォード大学出身で、TTS（テキスト読み上げ）および音声クローニング分野で深い知見を有する。Fish Audioは最新のFishTTS-v2モデルが中国語・英語の自然度評価においてElevenLabsのTurbo v2を上回り、MOS（平均意見スコア）テストで5点満点中4.5点を達成したと主張している。

一方、AI音声技術は倫理的課題にも直面している。音声クローニングは詐欺や著名人の発言偽造などに悪用される可能性がある。Fish Audioはリアルタイム電子透かし検出システムを導入し、APIユーザーにコンプライアンス規約への署名を義務付けることで不正利用を防止していると説明している。また、同社はAI音声コンテンツの出所追跡コンソーシアムに参加し、業界の自主規制を提唱している。

今後の展望

Fish Audioの資金調達ブームは、資本市場におけるAIアプリケーション層企業への関心の高まりを反映している。大規模言語モデルのコスト低下に伴い、音声インタラクションはメタバース、スマートカー、スマートホームなどの場面における標準機能になることが期待されている。同社は来年中にリアルタイム対話型音声モデルをリリースする計画を持っており、複数ターンのインタラクションと感情認識をサポートすることで、バーチャルカスタマーサービスやデジタルヒューマンなどの応用をさらに拡大する方針だ。

ただし、高成長を維持するにはFish Audioが二つの課題を解決する必要がある。一つはオープンソースと商業化の間で持続可能なバランスをどのように見つけるか、もう一つは大手企業の参入に直面した際に、どのように差別化された競争上の優位性を構築するかである。

本記事はTechCrunchより編訳