Berlinbolaget Deepslate har tagit in 7,7 miljoner euro i en såddrunda ledd av 42CAP, med Alstin Capital, SIVentures och flera affärsänglar som deltagare.[2][5] Modellen Opal är utformad för att ta emot ljud och skapa ljud direkt, i stället för att koppla ihop separata system för taligenkänning, språkmodell och talsy...
Publicerad avRedigerad med GPT-6 LunaBilder genererade 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,
Berlinbaserade Deepslate har tagit in 7,7 miljoner euro i såddfinansiering för att utveckla sin tal-till-tal-AI. Investeringsrundan leddes av 42CAP. Även Alstin Capital, den befintliga investeraren SIVentures och flera affärsänglar deltog.2
5
Bolagets idé är att låta en AI ta emot tal och svara med tal direkt. Deepslate lyfter också fram hosting inom EU och möjligheten för kunder att köra tekniken i sin egen infrastruktur.
Deepslates modell Opal är byggd för att behandla inkommande ljud och skapa ett ljudsvar i ett och samma tal-till-tal-system. I en vanlig röst-AI-lösning kan samtalet i stället passera genom flera separata steg: taligenkänning, en språkmodell och därefter talsyntes. Deepslate säger att modellen hanterar tal direkt, utan att först omvandla det till text.2
15
Det är en skillnad i hur tekniken är uppbyggd, inte i sig ett bevis för att varje samtal blir snabbare eller låter mer naturligt. Bolagets mål är att slippa extra steg i en sammankopplad kedja, men upplevelsen beror också på hur modellen fungerar i den enskilda produkten och installationen.
Deepslate uppger att modellen har en fördröjning på 440 millisekunder och stöd för 27 språk, med fokus på europeiska språk, accenter och dialekter.6
18 Enligt en rapport som hänvisar till Artificial Analysis uppmättes svarstiden också till 0,44 sekunder – ett resultat som placerade modellen strax efter Kraftons Raon.
6 En annan rapport återger påståendet att Deepslate är snabbast i sitt slag.
4 Därför är det rimligt att se ”snabbast” som ett rapporterat påstående, inte som en oomtvistad rangordning som gäller oavsett förutsättningar.
En siffra för svarstid eller antalet språk säger inte allt om hur tekniken fungerar i praktiken. Tillgängliga uppgifter visar inte att samma hastighet eller språkprestanda gäller för alla språk, användningsområden och kundinstallationer.
Deepslate säger att tekniken hostas inom EU och att bolaget driver servrar i Tyskland. Företaget erbjuder också självhostning för organisationer som vill köra systemet i sin egen infrastruktur.4
18 Deepslate beskriver tjänsten som GDPR-kompatibel, men det är bolagets eget påstående. Underlaget här styrker inte oberoende någon certifiering eller hur en viss kundinstallation uppfyller kraven.
18
För kunder är det skillnad på EU-baserad molnhosting och självhostning. Med molntjänsten sköter leverantören infrastrukturen; med självhostning får kunden större kontroll över var systemet körs. Organisationer behöver ändå bedöma den faktiska konfigurationen och avtalsvillkoren utifrån sina egna krav på datahantering.
Deepslate riktar sig till utvecklare och företag, bland annat genom ett API och möjligheten att självhosta modellen.18 Tekniken kan fungera som röstlagret i en samtalsbaserad tjänst, medan kopplingen till kundens övriga system beror på hur lösningen byggs. Bolaget nämner användningsområden inom bland annat vård, energi, telekom och offentlig sektor, men tillgängliga källor verifierar inte oberoende driftsättningar eller resultat inom dessa områden.
18
Deepslate planerar att använda finansieringen till att förbättra sina tal-till-tal-modeller, bygga ut sitt europeiska träningsmaterial, växa inom försäljning och marknadsföring samt skala upp infrastrukturen i europeiska datacenter.2 Planerna ligger i linje med bolagets fokus på europeiska språk och på att erbjuda både EU-hosting och självhostning.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Berlinbolaget Deepslate har tagit in 7,7 miljoner euro i en såddrunda ledd av 42CAP, med Alstin Capital, SIVentures och flera affärsänglar som deltagare.[2][5]
Berlinbolaget Deepslate har tagit in 7,7 miljoner euro i en såddrunda ledd av 42CAP, med Alstin Capital, SIVentures och flera affärsänglar som deltagare.[2][5] Modellen Opal är utformad för att ta emot ljud och skapa ljud direkt, i stället för att koppla ihop separata system för taligenkänning, språkmodell och talsyntes.[2][15]
Deepslate uppger en fördröjning på 440 millisekunder, stöd för 27 språk och hosting inom EU.