DeepL 推出语音翻译模型 Aure,可随语气变化调整译出声音
DeepL 发布语音翻译模型 Aure,可在实时对译中随语气、情绪和语速变化调整译出声音,并自动用于在线会议、面对面交谈和语音 API。Aure 初期支持 8 种语言,其他语言仍走现有语音模型。
DeepL 在 2026 年 11 月 11 日于科隆发布的官方新闻稿中宣布,推出新的语音翻译模型 Aure,用于驱动实时语音翻译产品 DeepL Voice。按官方说法,Aure 会在对话过程中持续根据语气、情绪、重音和语速的变化,调整译出的语音,而不只是沿用一段固定的声音样本。
官方把这项更新放在此前已经推出的声音保留能力之上:原先 DeepL Voice 可以让译出声音听起来像说话者本人,而不是通用合成音,但主要依据对话开始时的静态样本,只能确定是谁在说,难以跟上随后的情绪或节奏变化,也难以表现语气与字面相反的情况,例如讽刺。Aure 改为持续分析正在译出的文本和源语音,用来决定每一句的表达方式。新闻稿写明,这些能力会自动应用到 DeepL Voice 的在线会议、面对面交谈,以及语音 API,无需额外配置。
DeepL 产品页也在显著位置介绍了 Aure,并说明该产品覆盖三类场景。在线会议支持在 Microsoft Teams、Zoom Meetings 和 Google Meet 中使用实时语音对译和字幕,并要求具备 DeepL Voice for Meetings 订阅;产品页写明,它可在网页、桌面和移动应用中使用,Microsoft Teams 侧适用于任何商业方案。面对面交谈面向一线员工与客户的当面交流,产品页称其在设备上完成语音翻译,可用于一对一或小组,并提供 iOS、Android 和网页端。语音 API 则被放在客服、销售语音渠道和流程外包等嵌入式口译场景。
需要分开看的是语言范围。新闻稿写明,Aure 初期支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语,后续还会增加;其他语言仍由 DeepL Voice 现有语音模型支持。产品页则提到 Voice 整体可覆盖 40 多种语言,其中举例包括中文。这是产品级语言覆盖,不能当成 Aure 本身已支持中文。产品页还介绍了 Voice 既有的术语能力,例如 Spoken Terms 用于公司名、行业词和缩写的正确读法,以及管理员可共享或强制执行的风格配置,用于在会议中统一用语。这些是产品页对 Voice 的说明,新闻稿并未把它们列为 Aure 的新增项。
实现上,官方列举了几项约束。真实对话常有噪声、回声和失真,模型需要在这些干扰中分离说话者的声音特征和韵律;把声音带到另一种语言时,还要避免夸大口音或扭曲本人的音色。由于 DeepL Voice 不会永久保存会议转写或译文,并在会话结束后从内存中删除这些数据,Aure 必须在缺少同一人跨语言对照数据的情况下,对每位说话者做实时适配。官方称,训练上把声音身份、韵律和所说内容分开处理,再用强化学习兼顾翻译准确性和语音质量,并追求没有口音的自然语音。这些是厂商对自己方法的说明,本文没有独立实测。
对企业使用而言,官方强调会议转写和翻译不会被永久存储。产品页写得更具体:DeepL Voice 不用客户数据训练语言模型;在线会议的数据在内存中临时处理,通话结束后删除,传输过程加密,并且只留在与会者本地设备上;面对面交谈的数据在本地设备上临时处理,一旦屏幕上不再显示即删除。产品页还自称持有 ISO/IEC 27001:2022、SOC 2 Type 2 认证,以及符合 GDPR 和 HIPAA,并支持单点登录、多因素认证、角色权限、审计日志和网络访问限制。新闻稿点名 Pioneer、Aramark and Avendra International、Inetum 等已在使用 DeepL Voice,并提到该产品入选 Fast Company 2026 年 Applied AI 领域的 Next Big Things in Tech。客户使用情况、认证和获奖都是官方陈述,不代表对 Aure 效果的独立评估。本文也没有进入付费会议界面核对自动启用是否已经对所有方案生效。