Aure – DeepL可传递情绪语调的实时语音翻译模型

Aure是DeepL推出的新一代语音翻译模型，集成在DeepL Voice整套语音服务当中，主打跨语言会话下保留说话人本身的语音特质。模型可以在实时会话过程持续解析原始音频，把语速、语调、重音以及情绪状态迁移到翻译后的目标语种语音输出，不依赖提前录制的语音样本。原生支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语、韩语共8种语言，接入后无需额外参数配置。会话全程不会留存永久语音档案，原始音频只在内存临时处理，会话结束立刻清除，兼顾翻译表现力与数据安全。

Aure特点

动态实时语音特征适配。会话进行中持续对说话人的音频做分析，跟随现场的情绪起伏同步调整输出语音。说话人语速加快、放缓、加重语气或是流露犹豫、失望等情绪，翻译后的语音都会同步体现这类变化，区别于依靠固定语音样本生成的传统声纹复刻方案。

无永久语音档案机制。不会生成、存储使用者的声纹档案，语音与翻译转录内容仅在内存临时处理。传输链路全程加密，处理完毕全部清除，原始素材不会被拿来用于后续模型迭代训练。

嘈杂环境抗干扰能力。可以过滤背景噪音、环境回声、旁人杂音，锁定主发言者的语音信号。工厂车间、开放式办公区这类干扰较多的现场，依旧可以输出清晰度、自然度达标的翻译语音。

无缝自动切换运行。部署于DeepL Voice全产品线，满足支持语种条件时自动启用Aure；遇到暂不覆盖的语种，系统自动回落调用DeepL旧版语音模型，使用者不用手动切换。

Aure优势

对比普通语音翻译工具，它不只转换文字语义。常规方案只把文本翻译之后套用固定合成音色，丢失语气、情绪、重音这类对话细节。Aure将说话人表达细节一并迁移，跨语言沟通时保留原本的表达风格。

对比会议平台自带翻译组件，翻译出错占比更低。在线会议场景中，严重翻译错误出现的数量出现明显下降，降低因为翻译偏差造成理解错位的概率。

对比传统声纹复刻，免去采集样本步骤。传统方案需要用户提交一段语音素材来建立音色模板。Aure 在通话过程中动态提取特征，使用者不需要提前录制音频，开箱即可投入使用。

Aure项目地址

官网：https://www.deepl.com/zh/products/voice/aure

Aure功能

情绪与副语言迁移。将源语言当中的兴奋、迟疑、笃定、失落等情绪，连同语速节奏、语句重音完整复现在目标语言的合成语音内，还原口语对话里的细微表达层次。

多场景实时语音互译。覆盖线上会议、面对面交谈、API 嵌入开发三类使用模式，输入音频实时转写、翻译、合成目标语种语音，整套链路维持低延迟输出。

环境噪声抑制。自动分离主说话人声源，压制周边环境杂音、回声与旁人交谈声，保障嘈杂环境下翻译链路稳定工作。

API 标准化输出。通过 DeepL Voice API 对外输出能力，第三方产品可以直接接入这套实时语音翻译能力，把该翻译体验集成到自有软件、硬件服务当中。

Aure应用场景

跨国线上会议。适配Zoom、Microsoft Teams、Google Meet这类主流会议软件，参会人员可以使用各自母语发言，翻译语音同步输出，会议沟通过程保留发言者原本的语气态度，减少翻译带来的表达损耗。

线下跨语言当面沟通。展厅接待、工厂现场对接、前台咨询、异地商务面谈等面对面场景，双方借助设备完成实时语音互译，嘈杂的工业现场也可以正常开展交流。

第三方软件与硬件集成。应用开发者借助 DeepL Voice API，把 Aure 的语音翻译能力嵌入自有 APP、智能硬件、客服终端。面向有跨国沟通需求的终端用户提供内置翻译功能。

跨境业务沟通。企业跨境对接、海外客户接待、多语言现场访谈，会话过程不需要提前做声纹录入，打开功能就可以开启双语对话，同时业务对话音频不会被长期留存，适配企业数据安全要求。

Aure同类产品对比

表格