11 月 11 日，DeepL 推出语音 AI 翻译模型 Aure，官方称这是其迄今最具动态感、表现最逼真的语音模型，可实时复现说话者的语气起伏、情绪流转、重音强调与语速快慢。该模型目前不支持中文，首发支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语共 8 种语言。
把音色、韵律与内容拆开迁移
Aure 是 DeepL Voice 网页会议版、面对面交谈版与语音 API 的底层驱动核心。它建立在 DeepL 今年 9 月推出的声音保留技术之上，那项技术让用户用自己的音色跨语言交流，Aure 则进一步捕捉语音在对话中的即时起伏。为了做到这点，DeepL 在训练中把声音身份、语音韵律与语义内容分开处理，各部分可以独立迁移到新语言，强化学习环节则用来把口音挡在输出之外。不支持的语言仍会回落到此前的语音模型。
一家把 AI-native 写进组织结构的公司
语音翻译过去是拼接式的，先转文字再合成新语音，语调与情绪基本丢失，DeepL 的产品思路是把翻译和发声合成合成一步完成。支撑这条路线的是公司层面的重构，今年 5 月 DeepL 裁掉约 250 个岗位，目标是转向更小的 AI 驱动团队并自我定位为 AI-native 公司，同时收购了实时音频流服务商 Mixhalo 的团队来补实时语音能力。随着会议软件里的实时翻译逐步成为标配，语音模型的情绪保真度正在变成新的竞争点。Shizuku-Duplex 全双工语音实测给出了延迟侧的参考值。
延伸阅读
- Underdog发布Woof 31.7MB语音模型浏览器可跑5 天前
- Block 发布纯语音模型 Dessa：单台 GB200 训练，M4 Max 本地跑3 周前
- Shizuku-Duplex 全双工语音：80ms 一帧，0.57 秒延迟2 天前
- Deepgram 收购 Daily：Pipecat 语音框架保持开源2 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- Otter AI 支持 31 种语言：新增 27 种可跨语种转写2026-11-10
- Shizuku-Duplex 发布：全双工模型 80ms 一帧与 5 分钟压缩2026-11-09
- Underdog发布Woof 31.7MB语音模型浏览器可跑2026-11-07