Platforma za AI glasove podržava 83 jezika, a od kraja avgusta glavni model postaje besplatan za sve programere.

Fish Audio je danas objavio da je prikupio 52 miliona dolara početnog ulaganja za razvoj AI glasova. Platforma klonira glas iz snimka od pet sekundi za manje od petnaest sekundi, podržava 83 jezika i broji preko osam miliona korisnika. Firma je počela kao vikend projekat u spavaćoj sobi osnivača, sa jednim grafičkim procesorom u laptopu. Za svakoga ko u regionu pravi reklame, video sadržaj ili glasovnu podršku, ključan je jedan detalj iz najave.

• Fish Audio je prikupio 52 miliona dolara, rundu vode Coreline Ventures i Capital Today
• Kloniranje glasa traje manje od 15 sekundi i radi iz snimka od svega 5 sekundi
• Platforma podržava 83 jezika i ima kontrolu emocija na nivou pojedinačne riječi
• U slijepim testovima 67 odsto slušalaca izabralo je glasove ovog modela ispred konkurencije
• Glavni model S2.1 Pro postaje besplatan za sve programere kroz API od kraja avgusta

Šta se tačno desilo

Firma se zvanično zove Hanabi AI, a nastala je iz frustracije. Suosnivač i glavni naučnik Shijia Liao, bivši istraživač u Nvidiji, umorio se od ravnih i robotskih glasova ranih AI modela, pa je počeo da trenira sopstvene. Radio je na jednom grafičkom procesoru u laptopu. Iz toga je nastao Fish Speech, projekat otvorenog koda koji je na GitHubu skupio preko 31.000 zvjezdica.

Od pokretanja 2023. platforma je narasla u alat koji programeri koriste za pretvaranje teksta u govor, kloniranje glasa i pravljenje glasovnih agenata. Ono što je izdvaja je kontrola emocija na nivou riječi, vođena sa preko 15.000 opisa na prirodnom jeziku, pa se ton, naglasak i tempo podešavaju precizno umjesto da se dobije jednolično čitanje.

Trenutni glavni model, S2.1 Pro, u slijepim testovima slušanja pobijedio je najjače konkurente. Šezdeset sedam odsto slušalaca izabralo je njegov glas. Firma navodi osam miliona korisnika i godišnji prihod preko 21 milion dolara.

Najvažniji dio najave za korisnike je da Fish Audio od kraja avgusta model S2.1 Pro pušta besplatno svakom programeru kroz zvanični API.

Kontekst i konkurencija

Novac dolazi u trenutku kada je tržište AI glasova postalo skupo. ElevenLabs, najpoznatije ime u toj kategoriji, prikupio je u februaru 500 miliona dolara uz procjenu vrijednosti od 11 milijardi. Fish Audio sa 52 miliona igra u nižoj kategoriji, ali napada na cijenu i na otvorenost.

Firma je krenula od igara i kreatora sadržaja, a sada cilja i regulisane djelatnosti kao što su zdravstvo i finansije, gdje nudi instalaciju na sopstvenim serverima bez zadržavanja podataka. Sljedeći korak je proširenje sa pretvaranja teksta u govor na prevod govora u govor u realnom vremenu.

Naša perspektiva, šta ovo znači za region

Za marketing agencije i kreatore sadržaja u regionu, besplatan pristup vrhunskom modelu za glas od kraja avgusta je konkretna stavka u budžetu. Snimanje reklamnog spota sa profesionalnim spikerom u Banjoj Luci ili Beogradu košta od 150 do 400 KM po snimku, a svaka izmjena teksta znači novi termin u studiju i novi račun.

Konkretno, firma koja radi mjesečno četiri video reklame za klijente i svaki put plaća naraciju može taj trošak spustiti na blizu nule, uz mogućnost da tekst mijenja koliko god puta treba. Isto važi za e-learning materijale i uputstva za korisnike, gdje se sadržaj stalno ažurira.

Ali ima i naličje. Kloniranje glasa iz pet sekundi snimka znači da je za zloupotrebu dovoljan jedan glasovni snimak sa društvenih mreža ili jedan telefonski razgovor. Prevare u kojima se lažira glas direktora koji traži hitnu uplatu već su stigle u region. Firma koja uvodi AI glasove u svoj marketing treba istovremeno da uvede i pravilo da se svaki nalog za plaćanje potvrđuje drugim kanalom, ne samo glasom.

Treba biti oprezan i sa podrškom za jezik. Firma navodi 83 jezika, ali ne precizira koliko dobro zvuči svaki od njih. Prije nego neko naruči kampanju, kvalitet na srpskom treba čuti, ne pretpostaviti.

Zaključak

Cijena kvalitetnog AI glasa pada brže nego cijena većine drugih AI alata, a besplatan model od kraja avgusta taj pad ubrzava. Ono što treba pratiti je kako će platforme za reklame reagovati na porast sintetičkog glasa i da li će označavanje AI naracije postati obavezno kao što je već postalo za AI lica.

Ako želiš da svake sedmice dobiješ AI vijesti prevedene na to šta konkretno znače za tvoj posao, prijavi se na AI Balkan newsletter.

Izvori

• SiliconANGLE, Fish Audio makes a splash after raising $52M seed funding for AI voices, 28. jul 2026.