피쉬 오디오, AI 음성 모델 고도화 위해 5천만 달러 시드 유치
AI 음성 생성 스타트업 Fish Audio(피쉬 오디오)가 크리에이터 및 기업을 위한 고도화된 AI 음성 모델 개발을 위해 5천만 달러(약 670억 원)의 시드 투자를 유치했습니다. 이 회사는 15,000개 이상의 자연어 제어 라이브러리를 바탕으로 연간 2,100만 달러의 매출을 올리고 있으며, 최근 음성 무단 도용 문제를 해결하기 위해 초고속 자동 삭제 시스템을 도입하며 크리에이터 권리 보호에 나섰다는 점에서 주목받습니다.
AI 생성 음성 모델 시장은 거대합니다. 크리에이티드 사용 사례는 AI 음성 모델이 더 풍부한 표현력을 갖추기를 요구하는 반면, 고객 지원 및 영업 자동화를 원하는 기업들은 더 정밀하게 제어할 수 있는 모델을 필요로 합니다. 팔로알토에 본사를 둔 Fish Audio는 15,000개 이상의 자연어 제어 라이브러리를 통해 이 모든 사용 사례를 충족하고자 합니다. 작년에 출시된 이 스타트업은 오늘날 800만 명 이상의 사용자가 오픈소스 또는 호스팅 버전의 모델을 사용하고 있으며, 현재 2,100만 달러의 연간 반복 수익(ARR)을 창출하고 있습니다.
이러한 성장세를 이어가기 위해, 이 스타트업은 화요일 Coreline Ventures와 Capital Today가 주도한 시드 라운드에서 5천만 달러를 유치했다고 밝혔습니다. 이번 투자에는 359 Capital, Parable, Play Time, Alphalist Partners, Bayhouse Ventures, Carya Venture Partners, 그리고 HF0도 참여했습니다.
Fish Audio는 전 엔비디아(NVIDIA) 연구원인 샤자 리아오(Shijia Liao)의 소규모 프로젝트로 시작되었습니다. 그는 시장에서 구할 수 있는 표현력 없는 합성 음성에 불만을 품고, 단일 GPU로 음성 생성 모델을 학습시킨 뒤 이를 오픈소스로 공개했습니다. 현재 GitHub의 Fish Speech 저장소는 31,000개 이상의 스타를 받았으며, 인디 개발자, 비디오 게임 디자이너 및 크리에이터들이 사용하고 있습니다.
이 회사는 지난 1년 동안 4개의 음성 생성 모델과 1개의 음성-텍스트 변환(STT) 모델 등 총 5개의 모델을 출시했습니다. 음성 생성 모델 중 3개는 오픈소스로 공개했지만, 최신 S2.1 Pro 모델은 유료 API를 통해서만 사용할 수 있습니다. Fish Audio는 크리에이터와 팀에 적합한 월간 유료 요금제를 제공하여 일정 시간의 음성 생성 및 음성 클로닝 기능을 사용할 수 있게 합니다. 또한 기업용 API 및 플랫폼 버전을 제공하며, HeyGen, Sanas, Plaud 등의 조직이 이미 이를 사용하고 있다고 밝혔습니다.
Fish Audio의 공동 창립자이자 CEO인 리사 카오(Rissa Cao)는 "모든 기업은 서로 다른 사용 사례와 선호도를 가지고 있습니다. 예를 들어, AI 아바타에 우리 음성을 사용하는 HeyGen과 같은 회사는 음성에서 현실감을 원하지만, 게임 스튜디오는 캐릭터를 위한 풍부한 표현력을 원합니다. 또한 LiveKit과 같은 음성 에이전트 기업은 통화에 적합할 만큼 표현력이 풍부하면서도 자연스럽고 저지연(low-latency)인 음성을 원합니다"라고 말했습니다.
이 스타트업이 음성 라이브러리를 구축한 한 가지 방법은 사용자에게 모델 학습을 위해 자신의 음성을 제출하도록 요청하고, 해당 음성이 사용될 경우 보상을 지급하는 것이었습니다. 하지만 이는 몇 달 전 문제를 일으켰습니다. 일부 크리에이터들이 자신의 동의 없이 음성이 Fish Audio에 업로드되었다고 주장했기 때문입니다. 이 스타트업은 이러한 우려를 해결하기 위해 DMCA 콘텐츠 삭제 프로세스를 마련해 두었지만, 삭제 자체에 오랜 시간이 걸렸습니다. 카오 CEO는 현재 회사가 삭제 프로세스를 자동화했다고 밝혔습니다. 그녀에 따르면, 크리에이터는 짧은 음성 샘플이나 계약서를 제출하여 업로드된 음성이 자신의 것임을 증명하기만 하면 3분 이내에 플랫폼에서 자신의 음성이 삭제됩니다.
그럼에도 불구하고, 이것이 누군가가 아티스트의 허락 없이 그들의 음성을 업로드하는 것을 완벽하게 막지는 못합니다. 아티스트가 사실을 알게 되어 삭제를 요청하기 전까지는 누군가의 음성이 계속해서 플랫폼에서 사용될 수 있습니다. Coreline Ventures의 파트너인 오스크 혼다(Oskue Honda)는 커뮤니티 주도 모델은 크리에이터가 플랫폼을 신뢰할 때만 작동한다고 말했습니다. "크리에이터가 플랫폼을 신뢰할 때만 커뮤니티 중심 접근 방식이 지속 가능한 경쟁 우위가 될 수 있습니다. 이는 동의, 투명성, 출처 표기가 사후 처리가 아닌 제품 자체에 내장되어야 함을 의미합니다. 저는 산업이 인증된 음성 소유권, 명확한 라이선스 조건, 쉬운 신고 및 삭제 프로세스를 지향해야 하며, 궁극적으로는 크리에이터의 음성이 라이선스되거나 상업적으로 사용될 때 재정적 혜택을 얻을 수 있는 수익 공유 모델로 나아가야 한다고 생각합니다."
카오 CEO는 스타트업이 크리에이터를 위한 요금제와 함께 오픈소스 프로젝트로만 제품을 제공하던 시절에는 효율적으로 운영되었고 자금이 필요하지 않았다고 말했습니다. 하지만 회사는 더 발전된 모델을 개발하고 기업의 요구를 수용하고자 했고, 이에 따라 투자자들의 관심이 높아졌습니다.