Deepslate-Gründer Paskal Paesler (l.) und Jan Brachthäuer: „Hohe Nachfrage“ nach ihren Modellen. Foto: Unternehmen

Düsseldorf. Noch sorgen Sprachassistenten bei vielen Kunden für Ernüchterung. Sie verstehen Anliegen falsch, reagieren langsam oder führen Anrufer durch starre Dialoge. Gerade am Telefon kommt es auf Sekundenbruchteile an. Dennoch wächst der Markt für KI‑generierte Stimmen, sogenannte Voice-AI, rasant.

Investoren weltweit setzen darauf, dass es für Menschen einfacher ist, Gedanken auszusprechen, als sie zunächst zu verschriftlichen und in ein Chatfenster zu tippen.

Für KI-Systeme ist es allerdings anspruchsvoller, gesprochene Sprache zu verarbeiten: Speech-to-Speech-Modelle müssen die Sprache verstehen, eine Antwort erzeugen und sie wieder in Sprache umwandeln – und das möglichst ohne spürbare Verzögerung. Genau dieses Problem will das Berliner Start-up Deepslate lösen.

Das Start-up entwickelt Modelle, die gesprochene Sprache in Echtzeit verarbeiten und wieder als Sprache ausgeben. Die Gründer Paskal Paesler und Jan Brachthäuser treten damit gegen finanzstarke Konkurrenten wie OpenAI und Elevenlabs an. Deepslate setzt daher auf einen anderen Trainingsansatz.

Seit Jahresbeginn haben Wagniskapitalgeber weltweit mehr als 20 Milliarden Dollar in Unternehmen investiert, die Lösungen für KI-generierte Sprache entwickeln.