Présentation de Fish Audio
Fish Audio, une startup basée à Palo Alto, a pour objectif de répondre aux besoins des créateurs et des entreprises en matière de modèles vocaux IA. La société propose une bibliothèque de plus de 15 000 contrôles de langage naturel et a déjà plus de 8 millions d'utilisateurs pour ses versions open-source ou hébergées.
Fonctionnement des modèles vocaux
Les modèles vocaux de Fish Audio sont entraînés à partir de voix réelles, ce qui leur permet d'être plus expressifs et naturels. La startup a lancé cinq modèles au cours de la dernière année, dont quatre modèles de génération de parole et un modèle de reconnaissance vocale. Les modèles sont entraînés à l'aide d'un GPU et sont disponibles sous forme de versions open-source ou payantes.
Implications et limites
La startup a rencontré des problèmes liés à la propriété des voix utilisées pour entraîner ses modèles. Certains créateurs ont allégué que leurs voix avaient été téléchargées sans leur consentement. Fish Audio a mis en place un processus de retrait de contenu pour résoudre ces problèmes, mais celui-ci a été critiqué pour être trop long. La société a depuis automatisé le processus de retrait, ce qui permet aux créateurs de retirer leurs voix de la plateforme en moins de 3 minutes.
Analyse scientifique
Le marché des modèles vocaux IA est en pleine croissance, avec de nombreuses entreprises concurrentes telles que ElevenLabs, WellSaid et Cartesia. Fish Audio se démarque en offrant des contrôles fins pour les développeurs et une formation de modèles rentable. La société prévoit de lancer un modèle de compréhension audio et un modèle de parole à parole dans les prochains mois.
import numpy as np
from fish_audio import generate_voiceLa levée de fonds de 50 millions de dollars devrait permettre à Fish Audio de développer encore plus ses modèles et de renforcer sa position sur le marché. La société doit cependant continuer à travailler sur la transparence et la confiance avec les créateurs pour garantir la réussite de son modèle communautaire.
