Beobachtetes Signal · 10. März 2026 · Product Launch · Quelle: https://martechseries.com/feed/ · Relevanz: 2/5 · Sentiment: Positiv
Deepdub stellt Voice-AI-Modell Phantom X 3.2 vor
Deepdub hat Phantom X 3.2 angekündigt, ein neues Voice-AI-Modell für qualitativ hochwertige Sprachdubbing-Prozesse und Echtzeit-Sprachagenten mit extrem niedriger Latenz für globale Unternehmen. Die Lösung ist in die Unternehmensplattform Deepdub GO integriert und beschleunigt bereits die Lokalisierungsworkflows zahlreicher Kunden. Das Modell bietet ausdrucksstarke Sprachausgabe, Zero-Shot Voice Cloning ab nur einer Sekunde Referenzaudio selbst aus verrauschten Quellen, ein System für Schlüsselbegriffe und Phrasen zur konsistenten Aussprache sowie präzise Phonetik für stress-getaktete Sprachen. Mit einer End-to-End-Latenz von rund 125 Millisekunden eignet es sich optimal für Echtzeit-Agenten-Anwendungen und wird im Rahmen der NVIDIA GTC demonstriert.
Einführung eines kommerziell einsatzbereiten Sprachmodells, das die Wirtschaftlichkeit der Unternehmenslokalisierung verbessert und Echtzeit-Sprachagenten mit geringer Latenz ermöglicht – hochrelevant für Streaming, Medienlokalisierung und Conversational AI.
Marktsignale zu NVIDIA in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Deepdub hat Phantom X 3.2 eingeführt, ein neues KI-Sprachmodell für Dubbing und Echtzeit-Sprachagenten.
- Das Modell treibt Deepdub GO an und beschleunigt bereits die Lokalisierung für zahlreiche Unternehmenskunden.
- Es liefert eine End-to-End-Latenz von ca. 125 ms für Echtzeit-Anwendungen mit Sprachagenten.
- Unterstützt Zero-Shot Voice Cloning ab einer Sekunde Referenzaudio, inklusive verrauschter Quellen.
- Bietet ein KNP-System und präzise Phonetik für konsistente Aussprache in 10 bis 20 Sprachen gleichzeitig.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Deepdub und Spikes kooperieren für lokalisierte Kurzformate
Deepdub, ein Voice-AI-Unternehmen für expressive Lokalisierung, und Spikes, ein KI-Unternehmen, das Film- und TV-Inhalte für neue Formate aufbereitet, haben ein gemeinsames Angebot angekündigt. Diese Partnerschaft verwandelt Studio-Kataloge in lokalisierte Kurzformate, darunter Micro-Drama-Serien, gekürzte Fassungen, Teaser und Highlights, im Bibliotheksmaßstab. Die proprietäre Series Engine von Spikes identifiziert narrative Beats und Cliffhanger, während die eTTS™-Technologie von Deepdub jeden Clip in über 130 Sprachen und Dialekte lokalisiert und dabei konsistente Charakterstimmen über alle Formate hinweg beibehält. Die lokalisierten Kurzformate werden über Kurzvideo-Plattformen, FAST, AVOD und soziale Kanäle verbreitet und eröffnen Studios, Distributoren, Sendern und Rechteinhabern neue Einnahmequellen. Das Angebot zielt auf ungenutzte Kataloginhalte ab und ermöglicht Monetarisierung ohne zusätzliche Produktionskosten, während es die wachsende Nachfrage nach Micro-Dramen und vertikalen Serien bedient.
OpenAI bringt drei neue Echtzeit-Sprachmodelle in die Realtime API
OpenAI hat am 7. Mai 2026 drei neue Echtzeit-Sprachmodelle für seine Realtime API eingeführt: GPT-Realtime-2 als GPT-5-Klasse Reasoning-Sprachmodell für realistische Konversationen und agentische Workflows, GPT-Realtime-Translate für Live-Übersetzungen mit über 70 Eingangs- und 13 Ausgangssprachen sowie GPT-Realtime-Whisper für latenzarme Streaming-Sprach-zu-Text-Transkription. Die Lösungen zielen auf Kundenservice, Bildung, Medien, Events und Creator-Plattformen ab. Während Translate und Whisper minütlich abgerechnet werden, erfolgt die Abrechnung bei GPT-Realtime-2 über den Token-Verbrauch. OpenAI hat zudem integrierte Sicherheitsleitplanken und aktive Klassifizierer implementiert, um Richtlinienverstöße bei schädlichen Inhalten zu unterbinden. Die Ankündigung umfasst detaillierte Preisstrukturen und Sicherheitskontrollen in der API-Dokumentation.
DeepL präsentiert neue Voice-to-Voice-Übersetzungssuite für Unternehmen
DeepL hat mit DeepL Voice-to-Voice eine Echtzeit-Sprachübersetzungssuite sowie eine neue Generation seiner Übersetzungsplattform für Unternehmen vorgestellt. Das Portfolio umfasst Voice for Meetings mit Integrationen für Microsoft Teams und Zoom im Early Access, Voice for Conversations sowie Gruppenkonversationen mit QR-Code-Unterstützung und eine Voice-to-Voice-API. Die Plattform unterstützt mittlerweile über 40 Sprachen, darunter alle 24 EU-Amtssprachen, und bietet erweiterte Anpassungsoptionen für Fachbegriffe sowie integrierte Glossare. Unabhängige Blindstudien von Slator im Auftrag von DeepL ergaben laut Unternehmensangaben eine hohe Präferenz von Linguisten gegenüber nativen Lösungen von Google, Microsoft und Zoom, wobei die Integrationen Höchstwerte erzielten. Zudem verfolgt DeepL eine breitere Plattformstrategie zur Zentralisierung von Übersetzungsworkflows, Qualitätsbewertungen und iterativen Optimierungen für Enterprise-Kunden, wobei auch Self-Service-Optionen für kleine Teams bereitgestellt werden.
Alle künftigen Signale zu NVIDIA & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.