Deepslate 融資 770 萬歐元，想以「語音入、語音出」改寫 Voice AI

柏林語音 AI 公司 Deepslate 宣布完成 770 萬歐元種子輪融資，由慕尼黑科技投資者 42CAP 領投，Alstin Capital、現有投資者 SIVentures 及多名天使投資者亦有參與。25 公司會用資金發展語音對語音（speech-to-speech）AI，並主打歐洲語言支援，以及歐盟雲端託管和客戶自設伺服器等部署方式。

語音直接變語音，少一道文字中轉

Deepslate 的 Opal 模型旨在同一個系統內接收語音，再直接產生語音回覆。相較之下，常見的語音 AI 流程會先把語音轉成文字，再交由語言模型處理，最後透過文字轉語音系統讀出答案；Deepslate 表示，Opal 會直接處理語音，不必先轉成文字。215

這是兩種不同的系統設計，並不單憑架構就能證明每次對話都會更快或更自然。Deepslate 的目標是減少串連不同環節所需的步驟；實際體驗仍要視乎模型表現、產品設計和部署方式。

440 毫秒、27 種語言：性能說法要看情境

Deepslate 標示模型延遲為 440 毫秒，並稱支援 27 種語言，特別着重歐洲語言、口音及方言。618 引述 Artificial Analysis 數據的一篇報道亦提到，Deepslate 的回應時間為 0.44 秒，排名略低於 Krafton 的 Raon 模型。6 另一篇報道則轉述了 Deepslate 是同類模型中最快的說法。4

因此，「最快」較適合視為公司或報道引用的性能主張，而非放諸所有測試情境都成立的定論。延遲數字和語言數量亦不能完全反映實際使用效果；現有資料未能證明模型在每種語言、用途和客戶部署中，都會有相同表現。

歐盟託管與自設伺服器，部署選擇各有分別

Deepslate 表示其技術在歐盟託管，並在德國運行伺服器；公司亦提供自設伺服器選項，讓機構可把系統部署在自己的基建之內。418 公司稱服務符合 GDPR（歐盟《一般資料保障規例》），但這屬公司自身的說法；現有資料未有獨立證明相關認證，亦未有評估個別客戶的實際部署。18

對企業買家而言，歐盟雲端託管和自設伺服器並非同一回事：前者使用供應商管理的基建，後者則讓客戶更直接掌握系統運行位置。機構仍需按自身的數據要求，檢視部署設定和合約條款。

API 及自設部署，面向開發者與企業

Deepslate 透過 API 向開發者和企業提供語音對語音技術，亦提供自設伺服器方案。18 這套模型可作為對話式產品的語音層；至於如何接駁客戶的其他軟件，則要視乎個別實施方式。公司列出的應用範疇包括醫療、能源、電訊及公共服務，但現有來源未有獨立核實相關行業的實際部署或成效。18

融資將用於模型、數據和歐洲基建

Deepslate 計劃用這筆種子資金改良語音對語音模型、擴充歐洲訓練數據、擴大銷售及市場推廣團隊，並在歐洲數據中心擴展基建。2 這些投資方向，亦配合公司對歐洲語言及歐盟託管、自設部署方案的定位。