DeepL、音声AIモデル「Aure」をDeepL Voiceに自動適用

DeepLは11月11日、リアルタイム音声翻訳を支える新モデル「Aure」を発表しました。
会話中のトーンや感情、強調、話すペースの変化を分析し、翻訳音声へリアルタイムに反映します。
オンライン会議や対面会話、APIで追加設定なしに利用でき、日本語を含む8言語に対応します。

記事の概要

Aureは、DeepL Voice向けに開発された新たな音声AIモデルです。
従来モデルが会話冒頭の音声をもとに翻訳音声を生成していたのに対し、Aureは会話中の音声を継続的に分析します。
話者の声の特徴を保ちながら、会話の進行に伴う感情や強調、話すペースの変化を翻訳音声に反映します。
入力音声と翻訳された言葉の両方を用いて、話者が何を話しているかだけでなく、どのように話しているかも捉えます。
周囲の雑音やエコーを取り除きながら、声の特徴や抑揚、リズムなどのプロソディを分析します。
DeepLは複数のトレーニング手法と強化学習を組み合わせ、声の特徴や発話内容などを分離して別の言語へ反映します。
Aureは「DeepL Voice for Online Meetings」「DeepL Voice for In-Person Conversations」「DeepL API for Voice」に自動適用されます。
対応言語は英語、ドイツ語、スペイン語、フランス語、イタリア語、日本語、ポルトガル語、韓国語の8言語です。

記事のポイント

1. 会話中の変化を分析： Aureは会話冒頭の音声だけでなく、会話中のトーンや感情、強調、話すペースを継続的に分析します。
2. 3サービスに自動適用： オンライン会議、対面会話、API向けのDeepL Voiceに、追加設定なしでAureが自動的に適用されます。
3. 8言語に対応： 英語やドイツ語、フランス語、日本語、韓国語など8言語に対応し、今後も対応言語を拡大する予定です。

このニュースがもたらす影響

• 導入を検討する企業： 多言語会議や交渉では、翻訳の正確さだけでなく、話者の感情や強調まで伝えたい場面を導入候補にできるため、用途別の評価が求められそうです。
• 音声翻訳の競合企業： 会話中の変化を継続的に捉える点が差別化要素になり、今後は翻訳精度だけでなく、声の特徴や抑揚をどこまで自然に再現できるかが比較軸になる可能性があります。
• 音声AI開発企業： 声の特徴、発話内容、プロソディを分離して別言語へ反映する設計が示されたことで、リアルタイム処理と自然な音声品質を両立する開発が求められそうです。

このニュースの背景

従来のDeepL Voiceは、会話冒頭で捉えた話者の音声をもとに翻訳音声を生成していました。
一方、実際の会話では感情や強調、話すペースが途中で変化するため、固定した音声特徴だけでは話し方のニュアンスを反映しにくい課題がありました。
Aureは入力音声と翻訳された言葉の両方を用いて会話を継続的に分析し、声の特徴やプロソディ、発話内容を分離して処理します。
周囲の雑音やエコーを除去しながら、異なる言語でも話者らしい声とその時々の話し方を再現することが開発上の焦点になっています。

関連するニュース

• Kotoba TechnologiesはCrestaのAI基盤に音声認識・合成モデルを提供し、電話応対の自動化を支援する予定です。
• アルティウスリンクが、AIオペレーターの導入から育成・運用、品質改善までを一体提供するサービスを開始しました。
• Klang AI ABが、日本のKlang利用者における長時間録音や録音後処理の傾向を公開しました。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

DeepL、新Voice AIモデル「Aure」を発表 会話中に変化するトーンや感情を、リアルタイムで翻訳音声に反映

DeepLのプレスリリース（2026年11月11日 17時00分）DeepL、新Voice AIモデル「Aure」を発表…