何が起きたか
Fish Audioは、表現力と操作性の高いAI音声モデルを開発するスタートアップです。火曜日に5200万ドルのシードラウンドを発表しました。出資はCoreline VenturesとCapital Todayが主導し、359 Capital、Parable、Play Time、Alphalist Partners、Bayhouse Ventures、Carya Venture Partners、HF0が参加しています。
創業は元Nvidia研究者Shijia Liao氏による小さな個人プロジェクトでした。合成音声が無表情であることに不満を抱いた同氏が、GPU1台で音声生成モデルを訓練しオープンソース化したのが始まりです。GitHubのFish Speechリポジトリは3万1000以上のスターを集め、インディー開発者やゲームデザイナー、クリエイターに使われています。
なぜ重要か
注目すべきは「表現力」と「操作性」を軸に据えた点です。同社は1万5000以上の自然言語による制御を用意し、声のトーンや感情を細かく指示できます。過去1年で音声生成4本と音声認識1本の計5モデルを投入し、うち生成3本をオープンソース化。最新のS2.1 Proのみ有料API限定です。
この設計は用途ごとの要求差に対応するためです。AIアバターのHeyGenは「リアルさ」を、ゲームスタジオは「表現力」を、音声エージェントのLiveKitは「通話に耐える自然さと低遅延」を求める、と同社は説明します。HeyGenやSanasはすでに導入済みです。
見過ごせない論点：声の権利
Fish Audioは、ユーザーが自身の声を提供し、採用されれば報酬を受け取る仕組みで音声ライブラリを構築しています。一方で、一部クリエイターから「無断で声がアップロードされた」との訴えが出ました。DMCAに基づく削除手続きはあったものの、処理に時間がかかっていました。
同社は削除を自動化し、声のサンプルや契約書で所有権を証明すれば3分未満で削除できるようにしました。ただしこの仕組みは無断アップロード自体を防ぐものではなく、本人が削除申請するまで声は使われ続けます。同社は「検証済みの声の所有権」「明確なライセンス条件」「収益分配」への業界的移行が必要だと述べています。
💼 事業会社視点：これは自社にどう効くか
音声を扱う日本のSaaS・受託開発・ゲーム会社にとって、これは「調達額のニュース」ではなく調達の前提となる論点の提示です。ElevenLabsら競合がひしめく中でFish Audioが差別化した軸は表現力・低遅延・そして「声の権利処理」でした。カスタマーサポートや営業自動化に音声AIを組み込もうとする事業会社の役員は、モデル精度より先に「学習データの声に正当な権利があるか」を調達基準に入れるべきです。無断学習された声を業務利用すれば、権利者からの申立てリスクは発注側にも及びます。特に受託開発では、成果物に使う音声モデルのライセンス条件・削除プロセス・声優への報酬設計を契約段階で握る必要があります。逆に自社に声優や顧客音声の資産がある企業は、Fish Audioが示す「提供者への報酬・収益分配」の流れを、外部提供による新たな収益源として検討する余地があります。声は今後、コストではなく権利資産として扱う局面に入ります。