The Pulse
Deepslate raccoglie 7,7 milioni di euro per sviluppare l’IA vocale europea
Deepslate, con sede a Berlino, ha raccolto 7,7 milioni di euro in un finanziamento seed guidato da 42CAP per sviluppare i suoi modelli di IA speech-to-speech. La società intende ampliare i dati di addestramento per le lingue europee, miglio
AI.info Team · Scritto con l’IA ·
Il modello vocale Opal di Deepslate inizia a generare audio in 440 millisecondi, secondo il benchmark di Artificial Analysis. Il 1° ottobre, la società con sede a Berlino ha annunciato un round seed da 7,7 milioni di euro per sviluppare questa tecnologia speech-to-speech. A guidare il finanziamento è 42CAP, investitore di Monaco di Baviera.
Al round hanno partecipato anche Alstin Capital, l’investitore già presente SIVentures e diversi business angel, ha dichiarato Deepslate. La società intende destinare il capitale ai dati di addestramento europei, allo sviluppo dei modelli, all’infrastruttura e alle assunzioni nei settori vendite, marketing e ingegneria. L’annuncio pone un preciso accento sull’Europa in un settore in cui i sistemi di assistenza clienti spesso si affidano a una catena di modelli ospitati su servizi diversi.
Un unico modello riceve la voce e risponde con la voce
Molti sistemi vocali trasformano prima il parlato in testo, passano poi il testo a un modello linguistico e infine convertono la risposta in audio. Deepslate afferma che il suo sistema gestisce direttamente sia l’input sia l’output vocale, con l’obiettivo di evitare i ritardi e la perdita di sfumature vocali che possono derivare da questi passaggi separati. Tra queste sfumature figurano l’enfasi, il dialetto e il modo in cui viene pronunciata una frase.
Tech.eu descrive Opal come un sistema formato da tre componenti collegati: un codificatore vocale, un nucleo di ragionamento basato su un modello linguistico a pesi aperti adattato a lingue specifiche e un decodificatore vocale. La società afferma di poter sostituire il modello linguistico sottostante senza dover riaddestrare l’intero sistema. Questa architettura consente a Deepslate di aggiornare il componente dedicato al ragionamento mentre continua a sviluppare quelli vocali per le lingue europee.
I dati europei e l’hosting in Europa sono parte della proposta
Il finanziamento sosterrà l’acquisizione di ulteriori dati di addestramento, con particolare attenzione, secondo la società, ai nomi delle vie, ai nomi di persona e ai dialetti tedeschi. Deepslate intende inoltre ampliare l’infrastruttura di produzione nei data center europei e migliorare la latenza e la qualità della voce. Per i clienti che gestiscono chiamate, gli errori nei nomi e nella pronuncia locale possono essere evidenti quanto una risposta lenta.
Deepslate afferma che assicurazioni, contact center e piattaforme usano già la sua tecnologia in produzione, ma nell’annuncio del finanziamento non ha reso pubblici i nomi di questi clienti. Offre una piattaforma self-service e un’API, mentre i clienti aziendali e le piattaforme possono richiedere implementazioni più ampie o opzioni per ospitare autonomamente la tecnologia. La società afferma che la sua tecnologia è ospitata nell’UE e che è certificata ISO 27001.
«Per i nostri clienti, la sovranità dei dati non è un optional: è un prerequisito. E o è verificabile, oppure non vale nulla. Per questo rendiamo noto dove avvengono le elaborazioni, chi sono i nostri subresponsabili del trattamento e quali questioni restano aperte»,
Paskal Paesler, cofondatore di Deepslate, citato da Tech.eu
Che cosa misura il risultato di 440 millisecondi
Artificial Analysis indica per Opal un tempo alla generazione del primo audio di 0,44 secondi, il valore più basso nella sua pagina di confronto dei modelli speech-to-speech. È il tempo che trascorre prima che il modello inizi a produrre audio, non una misura del tempo complessivo necessario per portare a termine una conversazione. Anche David Jankowski, cofondatore di Deepslate, ha citato il risultato di 440 millisecondi nell’annuncio del finanziamento, descrivendo Opal come il modello speech-to-speech più veloce.
Il benchmark offre una misura della rapidità di risposta, ma da solo non dimostra quanto bene un sistema gestisca ogni scambio dal vivo o quali siano le sue prestazioni in tutte le lingue europee. Deepslate afferma che il suo modello ha ottenuto il miglior tasso di errore per le lingue europee nel confronto CoVoST2, mentre i piani di finanziamento della società indicano che proseguirà il lavoro sui dati regionali e sulla qualità della voce. Per ora, le affermazioni concrete sulle implementazioni riguardano l’uso in produzione da parte di assicurazioni, contact center e piattaforme di cui non sono stati resi noti i nomi, oltre all’hosting nell’UE e alle opzioni per ospitare autonomamente la tecnologia.
Dalla velocità nel benchmark alle implementazioni presso i clienti
Il round seed sostiene sia il modello sia la capacità operativa necessaria a utilizzarlo: dati di addestramento, infrastruttura di calcolo europea e un team commerciale più ampio. Questi investimenti puntano a soddisfare le esigenze pratiche degli agenti vocali che gestiscono chiamate reali dei clienti, per i quali una prima risposta rapida deve accompagnarsi a un riconoscimento accurato e a un funzionamento affidabile. Deepslate non ha reso noti i nomi dei clienti né i ricavi, lasciando imprecisata la portata delle implementazioni attuali.
La prima prova dell’efficacia del finanziamento sarà verificare se la società riuscirà ad ampliare queste implementazioni migliorando al contempo le prestazioni nelle lingue e negli accenti su cui afferma di concentrarsi. Il risultato di 440 millisecondi ottenuto dal modello nel benchmark è una misura precisa della velocità; il prossimo lavoro della società comprende i nomi di persona, gli indirizzi e i dialetti tedeschi, oltre a una maggiore infrastruttura per gestire i volumi delle chiamate in produzione.