ベルリンを拠点とする音声 AI 企業 Deepslate は、ミュンヘンを拠点とするテクノロジー投資家 42CAP が主導するシードラウンドで、Alstin Capital、既存投資家 SIVentures、数名のビジネスエンジェルの参加を得て、770 万ユーロを調達した。
Deepslate は、音声をテキストに変換するのではなく、話し言葉を直接処理する独自の音声合成 AI モデルを開発しています。同社はヨーロッパ言語に焦点を当てており、そのテクノロジーをすべて EU 内でホストしています。
従来の音声 AI は通常、音声をテキストに変換し、言語モデルを通じて処理してから、応答を音声に変換します。 Deepslate は代わりに、オーディオが直接処理されてオーディオとして返されるエンドツーエンド モデルを使用します。同社によれば、このアプローチにより、口調、強調、方言、その他の話し言葉の側面などの情報を保持しながら、遅延が短縮されるという。
そのシステムは、社内でトレーニングされた 3 つのコンポーネントで構成されています。音声エンコーダー、Deepslate が特定の言語に対してポストトレーニングするオープンウェイト言語モデルに基づく推論コア、および音声応答を生成する音声デコーダーです。このアーキテクチャにより、システム全体を再トレーニングすることなく、基礎となる言語モデルを置き換えることができます。
Deepslate は、自社のモデルが独立した Artificial Analysis ベンチマークで 440 ミリ秒の応答時間を記録し、2026 年 9 月の時点でベンチマークで測定された最速の音声合成モデルとなったと述べています。同社はまた、自社のテクノロジーが CoVoST2 ベンチマークのヨーロッパ言語の比較分野で最高のエラー率を達成したとも述べています。同社は ISO 27001 認証を取得しています。
このテクノロジーは、保険会社、コンタクト センター、プラットフォームによってすでに本番環境で使用されています。 Deepslate はセルフサービス プラットフォームと API を通じてモデルを提供し、プラットフォーム プロバイダーと企業顧客はボリュームとセルフホスティングのオプションを利用できます。
当社の顧客にとって、データ主権はあれば便利なものではなく、前提条件です。そして、それは検証できるか、価値がないかのどちらかです。だからこそ、私たちはコンピューティングがどこで行われるか、サブプロセッサーが誰であるか、そして何がまだオープンであるかを開示します。
Deepslate の共同創設者である Paskal Paesler 氏は次のように述べています。
Deepslate は新たな資金により、遅延の削減と音声品質の向上に努めながら、特にドイツの街路名、人名、方言に焦点を当てて、モデル トレーニングとヨーロッパ データ プログラムを拡張する予定です。
同社はまた、販売およびマーケティングチームを拡大し、通話量の増加に対応するためにヨーロッパのデータセンターの生産インフラを拡張する予定です。