Fish Audio获5200万美元种子轮并发布S2.1 Pro，该模型可从5秒音频克隆声音并用标签调节情绪
Fish Audio完成5200万美元种子轮融资并发布高级语音AI模型S2.1 Pro。
该模型可从5秒音频克隆声音并用标签调节情绪，延迟低于300毫秒，成本为ElevenLabs六分之一，22人团队已实现2100万美元年经常性收入。
事件驱动语音AI创业加速，资金流向低成本高表现模型，传统语音合成厂商承压而开发者生态受益。
来源：公开信息
ABAB AI 解读
Fish Audio起源于前英伟达研究员的GitHub开源项目，一年内从单卡训练扩展到多模型与商业API，服务HeyGen与Retell等客户并保持开源与免费开发者入口。
资本路径显示种子轮由Coreline等领投，资源投入模型迭代与企业销售，动机在于以情感控制与极低延迟抢占创作者与客服市场，具体通过社区库与低价策略快速获客。
类似ElevenLabs从开源到高估值的路径，当前语音生成行业处于从基础合成向可控情感与实时流式的扩张阶段。
本质属于技术替代，机制在于短样本克隆加自然语言标签大幅降低定制成本，使中小团队也能部署高质量语音代理。
ABAB News · 认知定律
开源项目可快速商业化
五秒克隆重写语音门槛
低价高质是获客杠杆