Deepslate 募得 770 萬歐元，打造歐洲語音 AI

柏林語音 AI 新創 Deepslate 完成 770 萬歐元種子輪融資，由慕尼黑科技投資公司 42CAP 領投，Alstin Capital、既有投資人 SIVentures 及多位天使投資人也參與其中。25 公司希望以直接處理語音的 AI 模型，搭配歐盟雲端託管和客戶自架選項，為企業與開發者提供另一種語音 AI 架構。

從語音直接到語音，少一道文字轉換

Deepslate 的 Opal 模型採用「語音對語音」（speech-to-speech）設計：系統接收音訊後，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，再交給語言模型處理，最後透過語音合成朗讀答案。Deepslate 表示，其模型能直接處理語音，不必先經過文字轉錄。215

這是模型架構上的差異，但光是少了幾個處理環節，並不能證明每一種對話都會更快或更自然。實際體驗仍取決於模型在特定產品和部署環境中的表現。

440 毫秒、27 種語言：公司公布的規格與限制

Deepslate 標示模型延遲為 440 毫秒，並支援 27 種語言；公司也特別強調對歐洲語言、口音和方言的關注。618 引述 Artificial Analysis 數據的一篇報導，同樣提到 0.44 秒的回應時間，並指出 Deepslate 略落後於 Krafton 的 Raon 模型。6 另一篇報導則轉述「同類模型中最快」的說法。4

因此，「最快」應視為報導或公司所引用的基準測試說法，而非適用所有情境的定論。延遲數字和語言數量也不能單獨代表實際品質；現有資料無法證明這些表現會在所有語言、使用場景和客戶部署中完全一致。

歐盟託管與自架，提供不同的資料控制方式

Deepslate 表示，其技術託管於歐盟，並在德國運行伺服器；對希望把系統留在自家基礎設施內的組織，公司也提供自架選項。418 公司並稱服務符合 GDPR（歐盟《一般資料保護規則》），但這是公司自身的說法；現有來源並未獨立證明相關認證，也未評估特定客戶的部署是否符合其資料要求。18

對採購方而言，歐盟雲端託管和自架並非同一件事：前者使用供應商管理的基礎設施，後者則讓客戶對系統運行位置有較多掌控。組織仍需依自身需求檢視實際設定與合約條款。

API、自架，以及可能的應用場景

Deepslate 面向開發者與企業提供語音對語音技術，包括 API 和自架方案。18 這個模型可作為對話產品中的語音層；如何與客戶的其他軟體整合，則取決於具體實作。公司列出的目標應用領域包括醫療、能源、電信及公共服務，但現有來源並未獨立驗證相關部署或成效。18

770 萬歐元將投入模型、資料與基礎設施

Deepslate 計畫運用這筆種子輪資金改善語音對語音模型、擴大歐洲訓練資料、增聘銷售與行銷人員，並擴展歐洲資料中心的基礎設施。2 這些方向也呼應公司對歐洲語言，以及歐盟託管與客戶自架服務的布局。