Fish Audio recauda US$52M en ronda semilla con Coreline

El auge de la IA de voz: Fish Audio recauda US$52M en su ronda semilla

El mercado de la inteligencia artificial aplicada al procesamiento de audio y texto a voz (TTS) acaba de registrar uno de sus hitos más significativos. Fish Audio, una plataforma especializada en modelos de voz expresivos y de código abierto, ha cerrado una ronda de financiación semilla por 52 millones de dólares en su primer aniversario. La operación estuvo liderada por Coreline Ventures y Capital Today, con la participación de inversores como 359 Capital, Play Time, HF0, 645 Ventures, Parable, Carya Venture Partners y Alphalist Partners.

Lo que comenzó como un proyecto personal desarrollado en una sola tarjeta gráfica 4090 por el científico jefe Shijia Liao y la cofundadora Rissa Cao, se ha transformado en un ecosistema robusto. En apenas un año, la compañía pasó de un equipo de tres personas a 22 colaboradores, escalando hasta alcanzar los 21 millones de dólares en ingresos recurrentes anuales (ARR).

Más allá del TTS tradicional: la apuesta por la interpretación

El gran problema de la industria del texto a voz durante la última década ha sido su enfoque exclusivo en la pronunciación literal de las palabras, fallando en la décima frase o en la modulación emocional. Para solucionar esto, Fish Audio implementó una arquitectura autorregresiva dual que sustenta su modelo principal, S2.1 Pro.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

En pruebas de escucha a ciegas realizadas por la empresa, S2.1 Pro fue preferido por el 66% de los oyentes frente a los competidores líderes del mercado. Actualmente, la plataforma cuenta con más de 8 millones de creadores, desarrolladores y empresas, acumulando más de 2 millones de modelos de voz en su biblioteca comunitaria y soporte para más de 83 idiomas con cadencia nativa.

La transición hacia el sector empresarial y la infraestructura

Un factor determinante en el crecimiento económico de la startup ha sido su adopción por parte del sector corporativo, el cual representa actualmente dos terceras partes de sus ingresos totales. Las empresas recurren a su infraestructura debido a estrictos estándares de seguridad, incluyendo despliegues en las instalaciones (on-premises), retención de datos cero y configuraciones compatibles con normativas como HIPAA.

Gracias a una reconstrucción profunda de su pila de inferencia —implementando kernels FP8 personalizados que logran más de 8.000 tokens por segundo en una sola GPU H200— la compañía ha logrado reducir drásticamente los costos operativos por solicitud.

¿Qué significa esto para tu startup?

La evolución de Fish Audio ofrece lecciones prácticas para founders que operan en el ecosistema tecnológico actual:

Identifica los puntos ciegos de los líderes del mercado: En lugar de competir creando un asistente de voz convencional, el equipo detectó que el verdadero problema sin resolver era la interpretación emocional y la arquitectura subyacente. Busca las limitaciones técnicas que los gigantes ignoran.
Aprovecha la ingeniería de inferencia para escalar modelos de negocio: Optimizar los costes de infraestructura (como el uso de arquitecturas FP8 y hardware avanzado) no solo mejora los márgenes en el segmento B2B, sino que habilita estrategias de adquisición potentes, como ofrecer acceso gratuito temporal para desarrolladores sin erosionar la rentabilidad.