Berlin baserte Deepslate har hentet 7,7 millioner euro i en såkornsrunde ledet av 42CAP. Opal modellen er laget for å ta imot tale og svare med tale i ett system, i stedet for å koble sammen talegjenkjenning, en språkmodell og talesyntese.[2][15] Deepslate oppgir 440 millisekunders responstid, støtte for 27 språk og...
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How much did Berlin-based Deepslate raise in its seed round, who invested, and how does its EU-hosted, speech-to-speech voice AI work and di. Article summary: Berlin-based Deepslate raised **€7.7 million** in a seed round led by 42CAP, with Alstin Capital, SIVentures and several business angels participating.[5] - **How it works:** Its Opal model takes spoken input and produce. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Berlin-baserte Deepslate har hentet 7,7 millioner euro i såkornfinansiering for å videreutvikle sin tale-AI. Runden ble ledet av 42CAP, med Alstin Capital, den eksisterende investoren SIVentures og flere engleinvestorer på laget.2
5 Selskapet satser på modeller som behandler tale direkte, og tilbyr både EU-basert hosting og mulighet for kunder til å drifte løsningen selv.
Deepslates Opal-modell er utviklet for å ta imot lyd og generere lyd i ett tale-til-tale-system. Mange vanlige tale-AI-løsninger setter sammen flere ledd: først talegjenkjenning, deretter en språkmodell og til slutt tekst-til-tale. Deepslate sier at modellen deres behandler tale direkte, uten først å gjøre den om til tekst.2
15
Det er en forskjell i hvordan systemene er bygget, men ikke i seg selv et bevis på at alle samtaler blir raskere eller mer naturlige. Opplevelsen vil også avhenge av hvordan modellen fungerer i den enkelte tjenesten og hvordan den er satt opp.
Deepslate oppgir en responstid på 440 millisekunder og støtte for 27 språk, med særlig vekt på europeiske språk, aksenter og dialekter.6
18 En omtale som viser til Artificial Analysis, oppgir en responstid på 0,44 sekunder og plasserer Deepslate like bak Kraftons Raon-modell.
6 En annen omtale gjengir selskapets påstand om at modellen er den raskeste av sitt slag.
4 «Raskest» bør derfor forstås som en rapportert påstand, ikke som en entydig rangering som gjelder i alle sammenhenger.
Responstid og antall språk sier heller ikke alt om kvaliteten i praktisk bruk. Det tilgjengelige materialet dokumenterer ikke at den oppgitte farten eller språkytelsen er den samme på tvers av alle språk, bruksområder og kundeløsninger.
Deepslate sier at teknologien driftes i EU, og at selskapet har servere i Tyskland. Det tilbyr også selvhosting for virksomheter som ønsker å kjøre løsningen i sin egen infrastruktur.4
18 Selskapet omtaler tjenesten som GDPR-kompatibel. Dette er selskapets egen opplysning; kildene som er tilgjengelige her, dokumenterer ikke en uavhengig sertifisering eller vurdering av en konkret kundeløsning.
18
For kunder er det forskjell på EU-basert skydrift og selvhosting. Med skydrift bruker kunden leverandørens administrerte infrastruktur. Ved selvhosting får kunden større kontroll over hvor systemet kjører. Uansett må virksomheten vurdere oppsettet og avtalevilkårene opp mot egne krav til datahåndtering.
Deepslate tilbyr tale-til-tale-teknologien gjennom et API og løsninger for selvhosting, rettet mot utviklere og virksomheter.18 Modellen kan brukes som talelaget i en samtalebasert tjeneste, mens integrasjonen med kundens øvrige programvare avhenger av den konkrete løsningen. Selskapet beskriver mulige bruksområder innen blant annet helse, energi, telekommunikasjon og offentlige tjenester, men de tilgjengelige kildene bekrefter ikke konkrete utrullinger eller resultater i disse sektorene.
18
Deepslate planlegger å bruke kapitalen på å forbedre tale-til-tale-modellene, utvide de europeiske treningsdataene, styrke salgs- og markedsføringsteamene og skalere infrastrukturen på datasentre i Europa.2 Planene følger selskapets vekt på europeiske språk og på at kunder skal kunne velge mellom EU-hosting og egen drift.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Berlin baserte Deepslate har hentet 7,7 millioner euro i en såkornsrunde ledet av 42CAP.
Berlin baserte Deepslate har hentet 7,7 millioner euro i en såkornsrunde ledet av 42CAP. Opal modellen er laget for å ta imot tale og svare med tale i ett system, i stedet for å koble sammen talegjenkjenning, en språkmodell og talesyntese.[2][15]
Deepslate oppgir 440 millisekunders responstid, støtte for 27 språk og hosting i EU.