Голосовой агент стал дешевле в сборке: Fish Audio обещает 1/6 от цены Eleven Labs

Fish Audio обещает озвучку в 6 раз дешевле Eleven Labs. 28 июля компания открыла публичный доступ к модели S2.1 Pro и объявила Seed-раунд на $52 млн. Модель клонирует голос с 5 секунд записи и, по замерам самой Fish Audio, работает вдвое быстрее Cartesia. Сверху - диалоги на несколько голосов и настройка эмоции, интонации и темпа на уровне отдельного слова.

Почему это важно: Голосовой стек практики до сих пор собирали вокруг двух имён: Eleven Labs держал качество, Cartesia - скорость, и оба считали деньги за каждый символ. Теперь Fish Audio бьёт сразу по обеим точкам: вдвое быстрее Cartesia, в 6 раз дешевле Eleven Labs. Клон голоса раньше требовал минуты чистой записи диктора, теперь хватает 5 секунд. Отдельно для тех, кто строит агентов: модель подключается через MCP и agent skills, то есть без своего обёрточного SDK. В проде её уже гоняют HeyGen, LiveKit, Retell, Sanas и OpenArt. Конкретных цифр прайса в анонсе нет: только множители и кнопка «записаться на демо».

Что дальше: Fish Audio обещает год бесплатно тем бизнесам, кому не срежет счёт за голос вдвое. Проверяется это только на своём сценарии: взять месячный объём символов, прогнать через S2.1 Pro и текущего поставщика и сравнить два счёта.