DeepL Aure 接入实时语音翻译：随说话节奏调整语气，首批支持8种语言

翻译声音开始跟随说话过程变化，而非只保留开场音色

DeepL 于11月11日公布 Aure，将其用于实时语音翻译产品 DeepL Voice。此次变化围绕表达方式：当说话者改变语调、强调某个词或加快语速时，系统会持续分析原始音频，并结合译文调整合成语音的表达。官方将它描述为对既有声音保留技术的进一步升级。

过去的方式主要从对话开头的静态样本建立声音特征，能够保留一定的说话者辨识度，却难以跟随之后的语气变化。Aure 的目标是让声音身份与当下表达同时跨语言传递。这里的“更自然”来自发布方产品定位，不能当作本站完成盲听测试后的质量结论。

首批8种语言自动启用，中文不在本次名单中

官方列出的首批语言为英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语。新能力自动用于 DeepL Voice for Online Meetings、DeepL Voice for In-Person Conversations 和 DeepL API for Voice，无需额外配置；发布方表示后续还会加入更多语言，但没有在新闻稿中给出完整时间表。

中文并未出现在 Aure 本次支持名单里。对未被 Aure 覆盖的语言，DeepL Voice 会继续使用之前的语音模型，因此“产品支持某种语言”和“这种语言已经换成 Aure”是两个不同问题。准备使用的团队需要按实际语言组合确认，不能把8种语言的升级理解为全语言统一换代。

声音身份、韵律和内容被分别处理，噪声仍是实际考验

DeepL 说明，新模型训练会区分说话者身份、韵律和语音内容，让三者能够分别转换到另一种语言，再通过强化学习改进输出。系统还需要处理背景噪声、回声和失真，同时避免在跨语言转换中夸大口音或改变声音特征。公告提供的是技术方向，没有公开完整训练配方或可复现的模型权重。

产品页面展示了不同情绪与语气的演示，并称能够过滤噪声、其他说话者和回声。演示可帮助理解目标效果，但不能替代不同麦克风、会议网络和多人交谈条件下的验证。本站未对延迟、译文准确率或嘈杂场景进行实测，因此不为它编造性能排名和节省时间的数据。

官方披露会话结束后清理数据，企业仍应核对自身流程

官方常见问题称，Aure 在实时会话中动态匹配声音，不创建或保存永久声音档案；声音数据在内存中临时处理，并在会话结束后删除。页面还说明，转录与翻译数据不永久保存，传输经过加密，会议数据不用于训练 DeepL 模型。这些属于厂商公开的数据处理说明，本文没有独立审计。

对跨国会议和面对面服务团队，新增价值主要是让表达中的迟疑、强调和节奏变化更有机会被保留，而不只是得到文字正确的译文。实际使用仍需按企业约定确认参会者知情、会议平台及录制流程、语言覆盖和服务资格。本次公告没有提供统一新价格，本文也不把自动启用写成所有账户免费可用。

继续阅读