5000만 달러 투자와 2100만 달러의 매출 성과

이번 투자 유치의 중심에는 5000만 달러라는 시드 단계의 대규모 자금 조달이 있다. Coreline Ventures와 Capital Today가 주도했으며, 359 Capital, Parable, Play Time 등 다수의 벤처캐피털이 참여했다. 주목할 점은 투자 규모만큼이나 빠른 수익화 속도다. Fish Audio는 현재 연간 반복 매출(ARR) 2100만 달러를 기록하고 있으며, 오픈소스 및 호스팅 버전을 통해 800만 명 이상의 사용자를 확보한 상태다.

시작은 전 NVIDIA 연구원인 시지아 랴오(Shijia Liao)가 단일 GPU로 훈련시킨 오픈소스 프로젝트였다. 깃허브(GitHub)의 Fish Speech 저장소는 3만 1000개 이상의 별(star)을 기록하며 인디 개발자와 게임 디자이너, 크리에이터들 사이에서 빠르게 확산됐다. 지난 1년간 이들은 4개의 음성 생성 모델과 1개의 음성-텍스트 변환(STT) 모델을 출시했다. 특히 최신 모델인 S2.1 Pro는 유료 API를 통해서만 제공하며 수익 모델을 구체화하고 있다.

크리에이터의 표현력과 기업의 제어권 사이의 틈새 공략

시장에서 Fish Audio가 포지셔닝한 지점은 '세밀한 제어'다. 크리에이터에게는 더 풍부한 표현력을, 고객 지원이나 영업 자동화를 원하는 기업에는 더 정교한 조종 가능성(steerability)을 제공하는 전략이다. 이를 위해 1만 5000개 이상의 자연어 제어 라이브러리를 구축했다. 실제 채택 사례를 보면 AI 아바타 기업 HeyGen은 음성의 사실감을, 게임 스튜디오는 캐릭터의 표현력을, LiveKit 같은 음성 에이전트 기업은 저지연(low-latency)과 자연스러운 통화 품질을 위해 이들의 API를 사용하고 있다.

경쟁 구도는 ElevenLabs, WellSaid, Cartesia, Speechify 등 쟁쟁한 기업들이 포진한 레드오션이다. 하지만 Fish Audio는 거대 AI 랩과 비교해 비용 효율적인 모델 훈련 방식과 개발자를 위한 세밀한 제어 기능을 차별점으로 내세운다. 초기에는 오픈소스 프로젝트로서 효율적으로 운영했으나, 기업 고객의 요구사항을 수용하고 더 고도화된 모델을 개발하기 위해 이번 자본 확충을 결정했다. 올해 안으로 오디오 이해(audio understanding) 모델과 음성-음성(speech-to-speech) 모델을 추가로 출시할 계획이다.

음성 소유권 분쟁과 자동화된 대응 체계

데이터 수집 과정에서 발생한 저작권 갈등은 이들이 해결해야 할 핵심 과제였다. 사용자로부터 음성 데이터를 제출받고 보상하는 방식으로 라이브러리를 확장했으나, 일부 크리에이터들이 동의 없이 음성이 업로드되었다고 주장하는 사건이 발생했다. 기존의 DMCA(디지털 밀레니엄 저작권법) 기반 삭제 요청 프로세스는 처리 시간이 너무 길다는 비판을 받았다.

이에 대응해 Fish Audio는 삭제 프로세스를 자동화했다. 이제 크리에이터가 짧은 음성 샘플이나 계약서를 제출해 소유권을 증명하면, 3분 이내에 해당 음성을 플랫폼에서 제거한다. 다만, 아티스트가 자신의 음성이 무단으로 사용된 사실을 인지하고 신고하기 전까지는 플랫폼에서 계속 사용될 수 있다는 구조적 한계는 여전하다. Coreline Ventures의 오스큐 혼다(Oskue Honda) 파트너는 커뮤니티 중심 모델이 지속 가능하려면 단순한 삭제를 넘어 검증된 음성 소유권 확인, 명확한 라이선스 조건, 수익 공유 모델로 나아가야 한다고 지적한다.

국내 AI 실무자와 기업들이 주목해야 할 지점은 음성 AI 도입 시의 '권리 관계'와 '제어 정밀도'다. 단순히 성능이 좋은 모델을 선택하는 것을 넘어, 무단 도용 리스크를 어떻게 관리하는지, 그리고 비즈니스 목적에 맞는 세밀한 톤 조절이 가능한지가 실제 채택의 결정적 기준이 되고 있다. 특히 Fish Audio가 보여준 '빠른 삭제 자동화'는 향후 음성 AI 서비스의 필수적인 운영 표준이 될 가능성이 높다.