DeepL Aure 语音模型：8 语种与 76% 翻译错误下降

2 hours ago AI笔记

DeepL 在 11 月 11 日发布语音 AI 翻译模型 Aure，首发支持英、德、西、法、意、日、葡、韩 8 种语言，官方称相比会议平台自带的翻译工具关键翻译错误减少 76%。一句话结论：Aure 把「音色、韵律、内容」拆开迁移到目标语言，再用强化学习压掉口音，是目前少数把语气和情绪一起带走的产品化语音翻译模型，代价是中文尚不在支持列表内。

Aure 到底改了什么：从静态音色到动态韵律

DeepL 上一代语音翻译模型的做法，是在对话开头几秒抓一段样本，判断这个人该怎么发音，然后用这个固定快照贯穿整场对话。声音像了，但语调死了，一个人说到第二十分钟时原本会加快、会停顿、会加重语气的那部分信息，在翻译输出里全部丢失。

Aure 换了思路。它持续分析输入语音，同时用译文词句和源音频一起决定句子该怎么念出来。翻译结果带上了说话人的当下状态。慢下来表示强调，说快了代表兴奋，停顿的位置也保留下来。这与 DeepL 今年 9 月推出的声音保留技术是接续关系：前者解决「像不像本人」，Aure 解决「怎么说的」。

支撑这一点的三个技术动作被官方写进了发布稿。训练时把说话人的音色身份、语音韵律和语义内容分开处理，三者可以各自迁移到新语言。强化学习用来在迁移过程中抑制口音。以及在真实对话的噪声、回声和音频失真中把主说话人的身份与韵律分离出来。

还有一个容易被忽略的约束。DeepL 不永久存储会议转写和翻译数据，会话结束后从内存中删除，因此它拿不到同一说话人跨语言讲话的真实语料去训练，只能在实时会话中适配，说话人往往还没说完一句话，模型已经在调整。

8 种语言与不支持语言的回落行为

Aure 首发支持英语、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，更多语言后续跟进。

对中文使用者来说，这意味着现在用不上 Aure。DeepL Voice 会自动回落到此前的语音模型继续工作，也就是说中文用户拿不到韵律迁移带来的那部分提升，其余语言的用户已经能用上。

项目 Aure 首发能力 说明
支持语言 英、德、西、法、意、日、葡、韩 共 8 种 中文不在首发列表，会自动回落到旧语音模型
关键翻译错误 较平台原生翻译工具减少 76% 对比对象为 Teams、Zoom、Google Meet 自带翻译
配置成本 无需任何配置 会议版、面对面版、Voice API 自动生效
数据留存 不永久存储转写与翻译 会话结束即从内存删除，不用于训练模型
声纹存储 不建立永久音色档案 实时匹配，会话结束即丢弃
认证合规 ISO/IEC 27001:2022、SOC 2 Type 2、GDPR、HIPAA DeepL Voice 产品线通用资质
覆盖入口 在线会议、面对面交谈、Voice API Teams、Zoom、Google Meet 会议版有实时字幕

定价与使用成本：一分钟语音翻译要花多少

DeepL 的 Voice 用量是按分钟计的，在订阅档位里以每用户每月的分钟数给出。按官网德国区欧元标价，Voice 相关档位的价格与额度是这样的。

档位 月费 DeepL Voice 额度 其他关键项
Individual 7.49 欧元 每用户每月 30 分钟 30 万字符翻译，不用于训练
Team 24.99 欧元 每用户每月 30 分钟 团队管理、分析报表、SSO
Business 49.99 欧元 每用户每月 230 分钟 不限字符、SCIM、99.0% 可用性
Enterprise 定制 定制 不限文件大小、BYOK、99.9% 可用性

30 分钟这个额度对个人用户是够的，一小时英文会议按双向口译折算大概落在 20 到 30 分钟量级。真正的分水岭在团队场景：10 人团队开一小时周会，仅 Voice 就需要每月 300 分钟，Individual 和 Team 两档都不够，得上 Business 档的 230 分钟/人，或者按人次拼额度。

另一条成本线是延迟。DeepL 官方没有公布 Aure 的毫秒级延迟数字，但它在自家产品页反复拿同场景做横向对照。站内此前实测过 Shizuku-Duplex 全双工语音 0.57 秒延迟 与 Soniox STT v6 的 60 余语言语音识别与回声消除，两者都走的是「先转写再合成」或专用 ASR 路线。想在延迟上找参照，可以对照 腾讯混元 Hy-SimulMT 同传 3.3 秒延迟 和 Qwen3.8-LiveTranslate 字均 2.3 秒 这两条同传基线。

与同传方案的四条路线差别

把 Aure 放进当前的实时语音翻译版图，能看出四种技术路线各自的取舍。

方案 核心路线 语言数 情绪保留 典型场景
DeepL Aure 翻译与发声合成一步完成，音色与韵律拆开迁移 8 种（Aure） 保留语气、节奏、重音 跨国会议、面对面商务交谈
Gemini 3.5 Live Translate 大模型端到端语音互译 70 余种 保留译文风格，音色不迁移 多语种泛场景通话
Qwen3.8-LiveTranslate Interleave 架构交错输出 多语种 以字均延迟为核心指标 中文为主的双向同传
腾讯混元 Hy-SimulMT 同传流式增量翻译 多语种 侧重语义准确与延迟 会议同声传译替代

关键差别在语言覆盖与情绪保真的取舍。Gemini 3.5 Live Translate 走的是 70 多种语言的大模型互译路线，站内记录在 Gemini 3.5 Live Translate 发布 里，优势是覆盖面，短板是译者的声音统一成模型音色，情绪线索丢失。Aure 反过来，8 种语言但每一句都带着说话人当下的状态走。DeepL 引用的一组数据是，在 Teams、Zoom 和 Google Meet 三种平台里做实时翻译，关键翻译错误比平台自带工具少 76%。

公司层面：一次 250 人裁员的 AI-native 转向

Aure 不是孤立的一次模型发布。DeepL 今年 5 月裁掉约 250 个岗位，目标转向更小的 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。

DeepL 官方称有超过 20 万家企业团队在用它的 Language AI 平台。DeepL Voice 的企业客户包括 Pioneer Corporation、Aramark、Avendra International 和 Inetum，Aramark 与 Avendra International 公开的说法是国际会议时长减少了 50%。DeepL Voice 也被 Fast Company 列入 2026 年 Next Big Things in Tech 榜单。

个人用户同样有免费入口。DeepL Voice 在网页、移动端均可使用，面对面交谈版本提供设备端语音翻译，官方强调私密与速度。发布稿里那句「我们的声音从来不是静态的」是 CEO Jarek Kutylowski 的原话，也是 Aure 全部技术选择的出发点。

常见问题

Aure 支持中文吗？

目前不支持。Aure 首发覆盖英、德、西、法、意、日、葡、韩 8 种语言，中文用户使用 DeepL Voice 时会自动回落到此前的语音模型，功能可用但拿不到新的韵律迁移效果。官方表示更多语言会陆续跟进。

用 Aure 需要额外配置或申请权限吗？

不需要。在线会议版、面对面交谈版和 Voice API 会自动启用 Aure，用户没有任何开关要拨。DeepL 官方在产品页明确写了「无需设置」。

DeepL 会保存我的声音和会议内容吗？

不会建立永久音色档案，也不会把转写和翻译永久存在服务器上。语音数据在会话中临时处理，会话结束即从内存删除，数据传输过程中加密，且不会用于训练 DeepL 的模型。DeepL Voice 持 ISO/IEC 27001:2022 与 SOC 2 Type 2 认证，符合 GDPR 与 HIPAA。

小结

Aure 的价值不在语言数量，而在它把「怎么说」这件事重新纳入了翻译模型的处理范围。8 种语言对中文用户暂时无效，但用得上的那 8 种语言拿到的是同类产品里少见的情绪与语气保真度，代价由定价层的分钟额度来承担。实际选型时可以直接套用站内这套对照：延迟看 Hy-SimulMT 的 3.3 秒 与 Qwen3.8-LiveTranslate 的 2.3 秒，情绪保真与音色迁移看 Aure，语音识别精度与回声消除看 Soniox STT v6，离线双工延迟看 Shizuku-Duplex 的 0.57 秒。团队采购前先算清楚每用户每月要消耗多少分钟，这个数字比功能列表更能决定最终方案。

延伸阅读

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

往下这几篇值得接着看：

Related News