Startup AI giọng nói Deepslate huy động 7,7 triệu euro

Startup AI giọng nói Deepslate có trụ sở tại Berlin đã huy động 7,7 triệu euro trong vòng gọi vốn seed. Vòng này do nhà đầu tư công nghệ 42CAP dẫn dắt, với sự tham gia của Alstin Capital, nhà đầu tư hiện hữu SIVentures và một số nhà đầu tư thiên thần.25

Điểm khác biệt Deepslate nhấn mạnh là cách mô hình xử lý hội thoại bằng giọng nói: nhận âm thanh và tạo âm thanh trực tiếp, thay vì chuyển lời nói thành văn bản rồi lần lượt đưa qua nhiều hệ thống khác nhau.

Mô hình Speech-to-Speech hoạt động ra sao?

Mô hình Opal của Deepslate được thiết kế theo hướng Speech-to-Speech (giọng nói sang giọng nói): người dùng nói vào, hệ thống xử lý và phản hồi bằng âm thanh trong một mô hình thống nhất. Cách làm phổ biến hơn thường nối ba thành phần: nhận dạng giọng nói, mô hình ngôn ngữ xử lý nội dung rồi chuyển câu trả lời thành tiếng nói. Deepslate cho biết mô hình của mình xử lý lời nói trực tiếp, không cần bước chuyển thành văn bản trước.215

Đây là khác biệt về kiến trúc, nhưng tự nó chưa chứng minh mọi cuộc hội thoại sẽ nhanh hơn hay tự nhiên hơn. Trải nghiệm còn tùy vào khả năng của mô hình trong từng sản phẩm và môi trường triển khai.

Tuyên bố về tốc độ và ngôn ngữ

Deepslate quảng bá độ trễ 440 mili giây và hỗ trợ 27 ngôn ngữ, với trọng tâm là ngôn ngữ, giọng và phương ngữ châu Âu.618 Một bài viết dẫn số liệu từ Artificial Analysis cũng ghi nhận thời gian phản hồi 0,44 giây, xếp mô hình Deepslate ngay sau Raon của Krafton.6 Trong khi đó, một nguồn khác nhắc lại tuyên bố Deepslate là mô hình nhanh nhất cùng loại.4 Vì vậy, “nhanh nhất” nên được hiểu là tuyên bố theo một nguồn hoặc phép đo cụ thể, không phải thứ hạng đã được xác lập cho mọi tình huống.

Các con số về độ trễ và số ngôn ngữ chưa thể hiện đầy đủ chất lượng khi sử dụng thực tế. Tài liệu hiện có không chứng minh tốc độ hay khả năng xử lý ngôn ngữ sẽ giống nhau trong mọi trường hợp, từ từng ngôn ngữ đến cách khách hàng cấu hình hệ thống.

Lưu trữ tại EU và quyền kiểm soát dữ liệu

Deepslate cho biết công nghệ được lưu trữ tại EU và máy chủ của công ty đặt tại Đức. Công ty cũng đưa ra lựa chọn tự lưu trữ, tức khách hàng có thể vận hành hệ thống trong hạ tầng của chính mình thay vì dùng dịch vụ đám mây do nhà cung cấp quản lý.418 Deepslate tuyên bố dịch vụ tuân thủ GDPR, quy định bảo vệ dữ liệu của Liên minh châu Âu; tuy nhiên, đây là tuyên bố của công ty, và các nguồn hiện có không xác nhận độc lập chứng nhận hay đánh giá một cấu hình triển khai cụ thể.18

Với khách hàng, lưu trữ đám mây tại EU và tự lưu trữ là hai lựa chọn khác nhau: phương án thứ nhất dùng hạ tầng do nhà cung cấp quản lý, còn phương án thứ hai cho khách hàng nhiều quyền kiểm soát hơn về nơi hệ thống vận hành. Dù chọn cách nào, tổ chức vẫn cần kiểm tra cấu hình và điều khoản hợp đồng theo yêu cầu dữ liệu của mình.

Khách hàng có thể sử dụng công nghệ thế nào?

Deepslate tiếp thị công nghệ Speech-to-Speech cho nhà phát triển và doanh nghiệp, thông qua API cũng như lựa chọn tự lưu trữ.18 Mô hình có thể đóng vai trò lớp xử lý giọng nói trong một sản phẩm hội thoại; cách kết nối với phần mềm khác của khách hàng sẽ phụ thuộc vào phương án triển khai. Công ty nêu các lĩnh vực ứng dụng tiềm năng như y tế, năng lượng, viễn thông và dịch vụ công, nhưng các nguồn hiện có không xác minh độc lập việc triển khai hay kết quả tại những lĩnh vực này.18

Deepslate dự định dùng vốn vào việc gì?

Công ty dự kiến dùng khoản vốn mới để cải thiện các mô hình Speech-to-Speech, mở rộng dữ liệu huấn luyện tại châu Âu, phát triển đội ngũ bán hàng và tiếp thị, đồng thời mở rộng hạ tầng tại các trung tâm dữ liệu ở châu Âu.2 Những ưu tiên này phù hợp với trọng tâm của Deepslate về ngôn ngữ châu Âu và các lựa chọn triển khai lưu trữ trong EU hoặc tự lưu trữ.