Sechshundertsechsundvierzig und eine

In der letzten Ausgabe haben wir ehrlich geschrieben, was die neue Sprachschicht nicht kann. Sechzig Sprachen sind viel für ein Produkt und wenig für das, was wir vorhaben. Dieses Eingeständnis war keine Kapitulation: Die Linie der seltenen Sprachen besteht weiter. Es wurde nur sichtbar, wo die Grenze zwischen Zukaufbarem und Selbsttrainiertem verläuft.

Sechshundertsechsundvierzig Sprachcodes — das ist das Wörterbuch der Engine, mit der wir angefangen haben, und unser Arbeitshorizont. Es ist keine Behauptung, dass wir sie alle sprechen. Die Qualität haben wir selbst gemessen und das Ergebnis veröffentlicht: brauchbar sind deutlich weniger. Eine Karte des Geländes, keine Fahne auf dem Gipfel.

Derzeit trainieren wir ein eigenes Modell auf kontinentalem Portugiesisch. Die Wahl ist kein Zufall. Bei den großen Diensten heißt Portugiesisch fast immer brasilianisch, die europäische Variante läuft nebenher mit: verschluckte Vokale, anderer Rhythmus, andere Wörter. Ein Mensch in Porto hört das im ersten Satz. Wir leben hier, für uns ist das keine akademische Frage.

Das Modell läuft auf unserer eigenen Infrastruktur und im privaten Perimeter des Kunden — der Ton geht in niemandes fremde Cloud. Und wir bauen es im Vollduplex: nicht „der Agent hat ausgeredet, jetzt sind Sie dran“, sondern ein normales Gespräch, in dem man unterbrechen kann und trotzdem gehört wird.

Sechshundertsechsundvierzig ist ein Ziel, kein Rechenschaftsbericht. Zuerst die europäischen Sprachen, daran arbeiten wir jetzt; danach stehen afrikanische Sprachen und Arabisch im Plan. Es hakt nicht an der Technik: Hinter dem Team liegen zwanzig Jahre Telefonie, und was eine Telefonleitung mit einem Modell macht, wissen wir.

Woran es fehlt, ist Rechenleistung. Eine Sprache richtig zu trainieren heißt GPU-Zeit, und die Lücke zwischen der Liste der Sprachen und der Hardware, die wir besitzen, ist heute der eigentliche Engpass. Wir und unsere Partner haben derzeit Anfragen für zusätzliche GPU-Kapazität laufen; solange sie nicht bestätigt sind, gehen wir Sprache für Sprache statt parallel.

Live-Anrufe gab es darauf noch nicht, Termine nennen wir keine. Sobald Zahlen vorliegen — Latenz, Genauigkeit, Kosten pro Minute — veröffentlichen wir sie hier, auch die, die uns nicht gefallen. So führen wir dieses Journal.