The Pulse
DeepL lancia Aure, modello di traduzione vocale
DeepL ha reso disponibile Aure nei suoi prodotti di traduzione vocale, con supporto iniziale per otto lingue. Secondo l’azienda, il modello adatta la voce tradotta ai cambiamenti nel modo di parlare di una persona durante una conversazione.

DeepL ha lanciato Aure, un modello di traduzione vocale che, secondo l’azienda, adatta la voce tradotta ai cambiamenti di tono, emozione e ritmo di chi parla nel corso di una conversazione. Il modello è disponibile in DeepL Voice, il prodotto dell’azienda per la traduzione vocale in tempo reale.
Fonte prnewswire.com
Dove è disponibile Aure
Il modello viene applicato automaticamente, senza configurazioni aggiuntive, in DeepL Voice for Online Meetings, DeepL Voice for In-Person Conversations e DeepL API for Voice. Inizialmente supporta inglese, tedesco, spagnolo, francese, italiano, giapponese, portoghese e coreano; seguiranno altre lingue. Per le altre lingue continueranno a essere utilizzati i modelli vocali esistenti.
Aure si basa su una tecnologia di preservazione della voce progettata per produrre traduzioni in una versione riconoscibile della voce di chi parla, anziché in una voce sintetica generica. Secondo l’azienda, il nuovo modello segue anche i cambiamenti nel modo di parlare durante una conversazione, usando le parole tradotte e l’audio originale in ingresso per modulare la voce prodotta.
Da un campione all’audio continuo
In precedenza, il prodotto utilizzava i primi momenti di una conversazione come campione statico per determinare il suono della voce tradotta. Secondo DeepL, questo approccio poteva cogliere l’identità vocale di chi parlava, ma non poteva seguire i successivi cambiamenti di emozione, enfasi o ritmo, né rendere un modo di esprimersi che contraddiceva le parole, come nel caso del sarcasmo.
Il nuovo modello analizza invece continuamente il parlato in ingresso. Negli esempi forniti dall’azienda, il modello riusciva a riprodurre una pausa prima di un annuncio, l’enfasi durante una negoziazione o il passaggio da un tono serio all’entusiasmo nel condividere una notizia.
L’amministratore delegato e fondatore Jarek Kutylowski ha dichiarato che il modello è in grado di cogliere sottili cambiamenti espressivi e riportarli in un’altra lingua, con la voce stessa di chi parla, in tempo reale. L’azienda afferma inoltre che può adattarsi prima che una persona abbia finito una frase.
Addestramento e dati
Secondo DeepL, il modello deve distinguere l’identità vocale di chi parla e la prosodia, filtrando al contempo rumori di fondo, eco e distorsioni audio. L’azienda indica inoltre come sfida tecnica il trasferimento di una voce da una lingua all’altra senza accentuare eccessivamente gli accenti o distorcere il suono della voce di una persona.
Per affrontare queste sfide, l’azienda ha combinato tecniche di addestramento che separano identità vocale, prosodia e contenuto parlato, così da poterli trasferire indipendentemente in un’altra lingua. L’apprendimento per rinforzo perfeziona ulteriormente il risultato, preservando l’accuratezza della traduzione e la qualità del parlato e producendo al contempo una voce dal suono naturale e senza accento.
DeepL afferma di disporre di una quantità limitata di dati reali di una stessa persona che parla in più lingue. L’azienda aggiunge che Voice non conserva in modo permanente le trascrizioni o le traduzioni delle riunioni e rimuove questi dati dalla memoria al termine di una sessione.
Precedenti modifiche ai prodotti
A settembre, l’azienda ha annunciato modelli di preservazione della voce per i suoi prodotti vocali e un’app desktop per le riunioni online. La sua app desktop per Windows e Mac funziona con Zoom, Microsoft Teams e Google Meet e consente agli utenti di seguire le conversazioni tramite sottotitoli tradotti, traduzione vocale o entrambi.
Al momento dell’annuncio, la traduzione da voce a voce per le riunioni online tramite l’app desktop era disponibile per tutti, andando ad aggiungersi alle conversazioni in presenza e all’API vocale. L’azienda aveva dichiarato che la traduzione da voce a voce via browser per i partecipanti esterni era ancora in beta.
Fonti
Aziende in questa notizia
Notizie correlate
- Altius Link avvia un servizio di IA vocale per i contact center
- ElevenLabs presenta in anteprima agenti per le aziende e il fine-tuning dei modelli
- OpenAI porta i flussi di lavoro controllati dalla voce su ChatGPT per dispositivi mobili
- Google avvia la distribuzione di Gemini su Apple CarPlay
- Muse di Meta può chiamare le aziende statunitensi per conto degli abbonati paganti