AI 보이스 시장의 파도를 타는 스타트업: Fish Audio의 5천2백만 달러 시드 투자 이야기

최근 인공지능 기술은 그야말로 문어발식 확장을 거듭하며 우리 삶의 거의 모든 영역에 침투하고 있습니다. 특히 ‘AI 보이스’ 분야는 그 잠재력을 폭발적으로 터뜨리며 주목받고 있는데요. 단순히 텍스트를 음성으로 변환하는 것을 넘어, 감정을 담고 미묘한 뉘앙스를 표현하는 자연스러운 목소리들이 속속 등장하면서 콘텐츠 제작자부터 엔터프라이즈 고객 서비스에 이르기까지 그 활용 범위는 상상 이상으로 넓어지고 있습니다. 과거에는 어색하고 기계적인 음성이 주를 이뤘다면, 이제는 사람의 목소리와 구별하기 어려울 정도로 정교하고 표현력이 풍부한 AI 보이스가 표준이 되어가고 있는 것이죠.

이러한 거대한 변화의 물결 속에서, 팔로알토에 기반을 둔 스타트업 Fish Audio가 단숨에 시장의 주요 플레이어로 떠오르며 거액의 시드 투자를 유치했다는 소식은 업계에 신선한 충격을 주고 있습니다. 창업 1년 만에 8백만 명 이상의 사용자를 확보하고 연간 반복 매출(ARR) 2,100만 달러를 달성했다는 점은 이들이 단순히 반짝이는 기술을 넘어 탄탄한 비즈니스 모델을 구축했음을 여실히 보여줍니다. 최근 코어라인 벤처스와 캐피탈 투데이 주도로 5,200만 달러(약 710억 원)라는 엄청난 규모의 시드 라운드 투자를 성공적으로 마무리하며, Fish Audio는 AI 보이스 시장의 미래를 재편할 강력한 주자로 자리매김했습니다.

AI 보이스 시장의 지형을 바꾸다: Fish Audio의 도약

AI 생성 음성 모델 시장은 그야말로 방대합니다. 영화, 게임, 오디오북 등 창의적인 활용 사례에서는 AI 음성 모델이 더욱 풍부한 표현력을 갖추어야 합니다. 마치 실제 배우가 연기하듯 기쁨, 슬픔, 분노 등 다양한 감정을 자연스럽게 담아낼 수 있어야 하죠. 반면, 고객 지원 자동화나 영업 운영 효율화를 꾀하는 기업들은 훨씬 더 ‘조정 가능한’ 음성을 필요로 합니다. 특정 상황에 맞춰 목소리 톤이나 속도를 제어하고, 일관된 브랜드 메시지를 전달할 수 있어야 하기 때문입니다. Fish Audio는 바로 이 두 가지 극단적인 요구사항을 모두 충족시키기 위해 15,000개 이상의 자연어 제어 기능을 갖춘 방대한 음성 라이브러리를 구축했습니다.

Fish Audio의 시작은 전 엔비디아(Nvidia) 연구원이었던 시지아 랴오(Shijia Liao)의 작은 프로젝트에서 비롯되었습니다. 그는 당시 시장에 나와 있는 인공 음성들이 너무나 비표현적이고 단조로워 좌절감을 느꼈다고 합니다. 이러한 불만은 단일 GPU로 음성 생성 모델을 훈련시키고 이를 오픈소스로 공개하는 것으로 이어졌습니다. 그 결과, GitHub의 ‘Fish Speech’ 리포지토리는 현재 31,000개가 넘는 ‘별(star)‘을 받으며 인디 개발자, 비디오 게임 디자이너, 크리에이터들 사이에서 필수 도구로 자리 잡았습니다. 이처럼 기술적인 문제에 대한 깊은 이해와 오픈소스 커뮤니티의 힘을 빌린 초기 전략은 Fish Audio가 빠른 사용자 기반을 확보하는 데 결정적인 역할을 했습니다. 솔직히 말해서, 거대 자본 없이도 뛰어난 기술력과 혁신적인 아이디어만으로 시장에 파란을 일으킬 수 있다는 것을 보여주는 좋은 사례라고 생각합니다.

지난 1년간 Fish Audio는 4개의 음성 생성 모델과 1개의 음성-텍스트 모델 등 총 5개의 모델을 출시했습니다. 이 중 3개의 음성 생성 모델은 오픈소스로 공개되어 누구나 접근할 수 있도록 했지만, 최신 S2.1 Pro 모델은 유료 API를 통해서만 이용 가능하게 함으로써 수익 모델을 강화했습니다. 크리에이터와 팀을 위한 월별 유료 플랜은 일정량의 음성 생성 시간과 음성 복제(voice-cloning) 기능을 제공하며, 기업 고객을 위해서는 엔터프라이즈 버전의 API 및 플랫폼을 제공하고 있습니다. 실제로 HeyGen이나 Sanas와 같은 기업들이 이미 Fish Audio의 기술을 활용하고 있다고 합니다.

CEO이자 공동 창립자인 리사 카오(Rissa Cao)는 “모든 기업은 서로 다른 사용 사례와 선호도를 가지고 있습니다. 예를 들어, AI 아바타를 구동하는 HeyGen 같은 회사는 음성의 현실감을 원하고, 게임 스튜디오는 캐릭터를 위한 표현력 풍부한 음성을 원하며, LiveKit과 같은 음성 에이전트 회사는 통화에 충분히 표현력이 있으면서도 더 자연스럽고 낮은 지연 시간을 가진 음성을 원합니다”라고 말하며 Fish Audio가 얼마나 다층적인 니즈를 충족시키려 노력하는지 설명합니다. 개인적으로 이 부분에서 주목할 점은, 초기 오픈소스 프로젝트로 시작하여 커뮤니티의 참여를 유도하고 기술적 역량을 입증한 후, 이를 바탕으로 엔터프라이즈 솔루션으로 확장하며 수익화를 꾀하는 전략입니다. 이는 많은 AI 스타트업이 성장을 위해 선택하는 현명한 경로이며, Fish Audio 또한 이러한 업계 흐름을 성공적으로 따라가고 있음을 보여줍니다.

성장의 이면: 목소리 소유권 논란과 신뢰 구축

Fish Audio가 방대한 음성 라이브러리를 구축한 방법 중 하나는 사용자들에게 자신의 목소리를 모델 학습용으로 제출하도록 요청하고, 해당 목소리가 사용될 경우 보상하는 방식이었습니다. 커뮤니티 주도형 성장을 지향하는 측면에서는 매우 효과적인 전략이었을 것입니다. 그러나 사실 이건 몇 달 전 심각한 문제로 이어지기도 했습니다. 일부 크리에이터들이 자신의 동의 없이 목소리가 Fish Audio에 업로드되었다고 주장하면서 논란이 불거진 것이죠. 당시 Fish Audio는 DMCA(디지털 밀레니엄 저작권법) 테이크다운 절차를 마련해 이러한 우려를 해결하려 했지만, 테이크다운 처리 자체가 너무 오랜 시간이 걸리는 문제가 있었습니다.

카오 CEO는 테크크런치(TechCrunch)와의 인터뷰에서 이제 회사가 테이크다운 프로세스를 자동화했다고 밝혔습니다. 크리에이터는 짧은 음성 샘플이나 계약서를 제출하여 업로드된 음성이 자신에게 속함을 증명할 수 있으며, 그러면 해당 음성은 3분 이내에 플랫폼에서 삭제된다고 합니다. 하지만 솔직히 말해서, 이 자동화된 프로세스가 모든 문제를 완전히 해결할 수 있을까요? 여전히 누군가가 아티스트의 동의 없이 목소리를 업로드하는 것을 근본적으로 막지는 못합니다. 아티스트가 이 사실을 알아차리고 삭제를 요청하기 전까지는, 그들의 목소리는 플랫폼에서 계속 사용될 수 있다는 맹점이 존재합니다.

코어라인 벤처스의 파트너인 오스케 혼다(Osuke Honda)는 커뮤니티 주도형 모델은 크리에이터가 플랫폼을 신뢰할 때만 작동한다고 강조합니다. “커뮤니티 중심 접근 방식은 크리에이터가 플랫폼을 신뢰할 때에만 지속 가능한 강점이 될 수 있습니다. 이는 동의, 투명성, 귀속이 사후 처리되는 것이 아니라 제품 자체에 내재되어야 함을 의미합니다. 저는 업계가 검증된 음성 소유권, 명확한 라이선스 조건, 쉬운 신고 및 테이크다운 프로세스, 궁극적으로는 크리에이터가 자신의 목소리가 상업적으로 라이선스되거나 사용될 때 금전적 이익을 얻는 수익 공유 모델로 나아가야 한다고 믿습니다.”

개인적으로는 혼다 파트너의 이 발언이야말로 AI 보이스, 나아가 모든 생성형 AI 분야가 직면한 가장 중요한 윤리적, 법적, 비즈니스적 과제를 정확히 짚어냈다고 생각합니다. 기술의 발전 속도가 규제와 사회적 합의의 속도를 훨씬 뛰어넘는 현 상황에서, 기업들은 단순히 기술적 우위를 넘어 ‘신뢰’라는 핵심 가치를 어떻게 구축할지에 대한 깊은 고민이 필요합니다. 음성 소유권의 문제는 크리에이터들의 생계를 위협할 수 있는 민감한 사안이며, 이를 투명하고 공정하게 해결하지 못한다면 장기적인 성장 동력을 잃을 수도 있습니다. Fish Audio가 자동화된 테이크다운 시스템을 구축한 것은 긍정적인 단계이지만, 궁극적으로는 음성 제출 단계부터 소유권 검증을 강화하고, 수익 공유 모델까지 고려하는 등 보다 선제적이고 포괄적인 접근 방식이 필수적이라고 봅니다. 이는 비단 Fish Audio뿐만 아니라 이 시장에 뛰어드는 모든 기업이 반드시 해결해야 할 숙제입니다.

경쟁 속 혁신: Fish Audio의 미래 전략

음성 생성 시장은 현재 그 어느 때보다 치열한 경쟁이 펼쳐지고 있습니다. ElevenLabs, WellSaid, Cartesia, Speechify, Async(이전 Podcastle), Krisp 등 수많은 기업들이 크리에이터와 기업 고객의 예산을 놓고 각축을 벌이고 있습니다. 이러한 상황에서 Fish Audio가 어떻게 독보적인 위치를 유지할 수 있었을까요?

359 캐피탈의 파트너인 리코 말로지(Rico Mallozzi)는 개발자를 위한 세밀한 제어 기능과 비용 효율적인 모델 훈련이 Fish Audio가 거대 AI 연구소들과 더 잘 경쟁하는 데 도움이 될 것이라고 말합니다. 그는 테크크런치와의 통화에서 “그들이 가진 팀으로, 다른 자금력이 풍부한 AI 연구소나 회사들과 비교했을 때, 최첨단 모델을 구축할 수 있었다는 것은 정말 놀랍습니다. 이는 인공적인 소리와 인간과 같은 소리 사이의 간극을 좁히는 그들의 기술적 통찰력을 보여줍니다”라고 덧붙였습니다. 실제로 적은 자원으로도 뛰어난 기술력을 통해 시장에서 두각을 나타내는 것은 스타트업 생태계의 본질적인 매력 중 하나이며, Fish Audio가 바로 그 좋은 예시입니다.

Fish Audio는 이번 투자 유치를 통해 더욱 발전된 모델 개발에 박차를 가할 예정입니다. 특히 올해는 오디오 이해 모델(audio understanding model)을 출시할 계획이며, 음성-음성 모델(speech-to-speech model)도 구축 중이라고 합니다. 이는 텍스트-음성 변환을 넘어, 오디오 자체를 분석하고 다른 스타일의 음성으로 변환하는 등 기술의 지평을 넓히려는 시도로 보입니다. 이러한 기술들은 더욱 몰입감 있고 개인화된 AI 상호작용을 가능하게 하며, 메타버스나 고급 AI 비서와 같은 미래 기술의 핵심 요소가 될 것입니다.

Fish Audio의 이야기는 AI 기술 혁신이 얼마나 빠르게 진화하고 있으며, 동시에 기술의 윤리적 책임에 대한 논의가 얼마나 중요한지를 다시 한번 상기시켜 줍니다. 기술적 우위와 함께 사용자 신뢰를 쌓아가는 Fish Audio의 여정이 앞으로 AI 보이스 시장에 어떤 새로운 이정표를 세울지 주목됩니다.

---

출처

• 원문 제목: Fish Audio raises $52M seed to build AI voice models for creators and enterprises
• 출처: AI News & Artificial Intelligence | TechCrunch
• 원문 기사 보러가기