Ventun milioni di ricavi ricorrenti in dodici mesi, senza capitale esterno. E un limite che il denaro non risolve.
In sintesi
- Fish Audio, nome legale Hanabi AI Inc., ha annunciato il 28 luglio 2026 un round seed da 52 milioni di dollari co-guidato da Coreline Ventures e Capital Today.
- Nel primo anno di attività la società ha raggiunto 21 milioni di dollari di ricavi ricorrenti annui e oltre 8 milioni di utenti, senza aver raccolto capitale esterno prima di questo round.
- Il modello di business è l’inverso di quello dei concorrenti: i pesi dei modelli vengono rilasciati apertamente, i ricavi arrivano dalle API e dai contratti enterprise. È anche il suo punto debole, e l’azienda lo ammette.
Un seed che sembra una Serie B
Un round seed da 52 milioni di dollari è una cifra anomala: è l’ordine di grandezza di una Serie B, non di un primo giro istituzionale. La spiegazione sta nei numeri che lo precedono. Fish Audio, con sede a Palo Alto e nome legale Hanabi AI Inc., ha annunciato il round il 28 luglio 2026, in coincidenza con il suo primo anniversario: dodici mesi in cui è passata da zero a 21 milioni di dollari di ricavi ricorrenti annui e a oltre 8 milioni di utenti tra creator, sviluppatori e aziende — senza capitale esterno.
A guidare il round sono Coreline Ventures e Capital Today, affiancati da un sindacato che comprende 359 Capital, Parable, Play Time, HF0, 645 Ventures, Carya Venture Partners, Bayhouse Ventures e Alphalist Partners, oltre a business angel non dichiarati. La valutazione non è stata resa nota.
| La scheda | |
|---|---|
| Società | Fish Audio (Hanabi AI Inc.) |
| Sede | Palo Alto, California |
| Round | Seed da 52 milioni di dollari, annunciato il 28 luglio 2026 |
| Lead investor | Coreline Ventures, Capital Today |
| ARR dichiarato | 21 milioni di dollari |
| Utenti | oltre 8 milioni |
| Prodotto | sintesi vocale, clonazione della voce, agenti vocali |
| Clienti citati | OpenAI, HeyGen, Retell, LiveKit, Telnyx, Sanas |
| Valutazione | non comunicata |
Da una GPU in camera da letto a otto milioni di utenti
La storia delle origini è di quelle che i fondi amano raccontare, e in questo caso è documentata. Shijia Liao, co-fondatore e chief scientist, prima di Fish Audio faceva il ricercatore su temi video in Nvidia. Appassionato di animazione giapponese, era infastidito dalla piattezza delle voci sintetiche disponibili: ha addestrato un modello di generazione vocale su una singola GPU e lo ha rilasciato in open source. Quel repository — Fish Speech — oggi conta oltre 31.000 stelle su GitHub ed è usato da sviluppatori indipendenti, studi di videogiochi e creator. L’azienda è guidata dalla CEO Rissa Cao.
Nell’arco di dodici mesi Fish Audio ha rilasciato cinque modelli: quattro di generazione vocale e uno di riconoscimento del parlato. Tre dei modelli di generazione sono stati resi open source; il più recente, S2.1 Pro, è disponibile soltanto attraverso l’API a pagamento. In test di ascolto alla cieca condotti dall’azienda, S2.1 Pro è risultato preferito dal 67% degli ascoltatori rispetto ai modelli concorrenti, con un supporto dichiarato di 83 lingue.
Il modello di business: regalare i pesi, vendere l’infrastruttura
La strategia è quella che nel settore si chiama open-weights: i pesi dei modelli base sono liberamente scaricabili, e il repository funziona da canale di acquisizione per gli sviluppatori. I ricavi non vengono dal modello, ma da ciò che sta attorno: accesso alle API ad alte prestazioni, infrastruttura gestita, contratti enterprise.
È una struttura a due livelli che riduce drasticamente il costo di acquisizione clienti — la community fa da imbuto — e che sposta la concorrenza dal terreno del modello a quello del servizio. La lista dei clienti mostra dove sta il valore: piattaforme di avatar AI come HeyGen, infrastrutture per agenti vocali come LiveKit e Retell, servizi di telecomunicazione come Telnyx, oltre a Sanas e a OpenAI. Nel tempo l’azienda si è spostata dal target iniziale — sviluppatori di videogiochi e creator — verso settori regolamentati come sanità e servizi finanziari, offrendo installazioni on-premise senza conservazione dei dati e conformità agli standard di privacy sanitaria statunitensi.
Il limite che 52 milioni non risolvono
Qui l’analisi si separa dal comunicato. Il modello open-weights ha un rovescio strutturale che l’azienda stessa riconosce: una volta scaricato, il modello gira interamente in locale, sull’hardware di chi lo ha preso. Qualunque meccanismo di consenso, verifica o rimozione implementato sulla piattaforma non raggiunge le copie già distribuite.
È una distinzione che conta in un settore dove il rischio principale non è tecnico ma legale e reputazionale: la clonazione non autorizzata della voce di una persona. Sul servizio gestito l’azienda può gestire richieste di rimozione e verifiche di consenso; sui pesi scaricati non può fare nulla. Il capitale accelera lo sviluppo, l’assunzione di forza vendita, l’espansione commerciale — non chiude quella porta, che è una conseguenza della scelta architetturale, non un difetto di implementazione.
Per chi valuta questi strumenti in azienda, è la domanda da fare per prima: le garanzie di governance riguardano il servizio in cloud o anche il modello che si può scaricare?
Il contesto competitivo: Davide, Golia e undici miliardi
Il mercato in cui Fish Audio entra con capitale istituzionale ha già un dominatore. A febbraio 2026 ElevenLabs ha chiuso una Serie D da 500 milioni di dollari a una valutazione di 11 miliardi, guidata da Sequoia Capital. Sullo stesso terreno competono anche Cartesia e WellSaid.
La differenza non è di scala, è di architettura. I concorrenti principali operano su ecosistemi proprietari e chiusi; Fish Audio scarica sulla community globale di sviluppatori una parte dell’ottimizzazione e dell’adozione. È una scommessa: che nella voce sintetica, come è successo in altri strati dell’infrastruttura software, il modello aperto guadagni distribuzione più in fretta di quanto il modello chiuso guadagni margine.
Il capitale raccolto servirà su tre fronti dichiarati: modelli linguistici nativamente vocali e traduzione diretta da parlato a parlato, integrazioni più profonde con i partner dell’ecosistema agenti, e la costruzione di un team commerciale enterprise. È il passaggio classico da adozione spontanea degli sviluppatori a contratti pluriennali — il punto in cui molte aziende open-source si sono fermate.
Domande frequenti
Chi è Fish Audio? Una startup di sintesi vocale con sede a Palo Alto, nome legale Hanabi AI Inc., fondata da Shijia Liao, ex ricercatore Nvidia, e guidata dalla CEO Rissa Cao.
Quanto ha raccolto e da chi? 52 milioni di dollari in un round seed annunciato il 28 luglio 2026, co-guidato da Coreline Ventures e Capital Today, con un sindacato di altri fondi e business angel. La valutazione non è stata comunicata.
Cosa significa “open-weights”? Che i pesi dei modelli — i parametri appresi durante l’addestramento — sono scaricabili e utilizzabili liberamente. L’azienda monetizza i servizi attorno al modello, non il modello stesso.
Fish Audio è in utile? Non risulta dichiarato. Il dato comunicato è diverso e va riportato con precisione: 21 milioni di ricavi ricorrenti annui raggiunti nel primo anno senza capitale esterno.
Chi sono i concorrenti? Principalmente ElevenLabs, che a febbraio 2026 ha raccolto 500 milioni a una valutazione di 11 miliardi, insieme a Cartesia e WellSaid.
Fonti
- Comunicato ufficiale Fish Audio, PRNewswire, 28 luglio 2026
- TechCrunch — “Fish Audio raises $52M seed to build AI voice models for creators and enterprises”
- SiliconANGLE — “Fish Audio makes a splash after raising $52M seed funding for AI voices”
- TechTimes — analisi sul limite strutturale dei modelli open-weight
- MLQ News, AI Weekly — dati su ARR, utenti e clienti enterprise
