Fish Audio Kumpulkan $52M untuk Model Suara AI Ekspresif

Fish Audio, startup AI voice berbasis Palo Alto, mengumpulkan $52 juta dalam pendanaan seed yang dipimpin Coreline Ventures dan Capital Today. Platform ini memiliki lebih dari 15.000 kontrol bahasa alami, digunakan oleh 8 juta pengguna, dan menghasilkan ARR $21 juta. Mereka menawarkan model open source (Fish Speech) dan model premium S2.1 Pro via API. Perusahaan seperti HeyGen dan Sanas menggunakan layanan ini. Fish Audio juga mengotomatiskan proses takedown suara ilegal dalam waktu kurang dari 3 menit. Ke depannya mereka berencana merilis model pemahaman audio dan speech-to-speech.

Penjelasan Mendalam

Fish Audio didirikan oleh mantan peneliti Nvidia, Shijia Liao, yang melatih model generasi suara pada satu GPU dan membuka sumbernya. Saat ini mereka memiliki lima model: empat model text-to-speech dan satu model speech-to-text. Model terbaru S2.1 Pro hanya tersedia melalui API berbayar dan menawarkan kontrol ekspresi yang sangat granular berkat perpustakaan 15.000+ natural language controls. Pengguna dapat menyesuaikan nada, emosi, kecepatan, dan penekanan kata secara presisi. Pendekatan 'community-driven' mereka memungkinkan pengguna menyumbangkan suara untuk pelatihan model, namun sempat menuai kontroversi karena dugaan penggunaan tanpa izin. Kini proses takedown telah diotomatisasi dengan verifikasi sampel suara atau kontrak dalam waktu kurang dari 3 menit. Model open source Fish Speech telah memiliki 31.000 bintang di GitHub, menandakan adopsi kuat dari komunitas indie dan developer game.

Kenapa Ini Penting

Bagi praktisi AI Indonesia, Fish Audio menyediakan alat TTS yang sangat ekspresif dan terkontrol, memungkinkan pembuatan konten lokal dengan suara alami untuk iklan, podcast, atau asisten virtual. Selain itu, kasus etika penggunaan suara mengajarkan pentingnya mekanisme izin dan atribusi dalam platform AI berbasis komunitas.

Untuk Siapa

Kreator konten digital, pengembang game, perusahaan yang membutuhkan voice agent atau AI avatar, serta tim marketing yang ingin mempersonalisasi suara merek.

Contoh Use Case

• Membuat narasi video promosi e-commerce dengan suara yang ramah dan antusias.
• Mengisi suara karakter dalam game indie dengan ekspresi emosional yang realistis.
• Membangun voice agent customer service yang natural dan responsif dengan latensi rendah.
• Menghasilkan audiobook atau podcast berbahasa Indonesia dengan kontrol intonasi.
• Menyediakan opsi suara kustom untuk asisten virtual atau chatbot bersuara.

Cara Mulai

1. Kunjungi situs Fish Audio dan daftar akun gratis untuk mencoba API atau model open source.
2. Clone repositori Fish Speech dari GitHub dan jalankan model dasar dengan satu GPU untuk eksperimen.
3. Pilih paket langganan bulanan sesuai kebutuhan menit generasi dan fitur voice cloning.
4. Eksplorasi parameter kontrol bahasa alami (natural language controls) untuk menyempurnakan emosi dan kecepatan suara.
5. Integrasikan API Fish Audio ke dalam aplikasi atau alur kerja dengan dokumentasi yang disediakan.

Peran: Ahli voice AI
Konteks: Saya menggunakan platform Fish Audio yang memiliki 15.000 kontrol suara alami untuk menghasilkan narasi iklan.
Tugas: Buat teks narasi untuk promosi produk kopi lokal dengan nada hangat dan bersemangat, kecepatan sedang, dan penekanan pada kata 'nikmat' serta 'alami'.
Format Output: Tampilkan teks narasi dalam bahasa Indonesia lengkap dengan petunjuk kontrol (misal: [sedikit cepat] [penekanan pada 'nikmat']).
Batasan: Maksimal 100 kata, hanya gunakan parameter yang didukung Fish Audio, dan pastikan teks sesuai konteks kopi lokal.

Insight Bisnis

Peluang menjadi penyedia jasa voice AI untuk UMKM di Indonesia dengan memanfaatkan API Fish Audio, menawarkan layanan pembuatan suara kustom untuk iklan, voice agent, atau konten lokal dengan harga terjangkau dan kontrol ekspresi tinggi.

FAQ