DeepL lanza una suite de traducción de voz a voz

DeepL, una empresa de traducción conocida por sus herramientas de texto, lanzó hoy una suite de traducción de voz a voz. El nuevo producto cubre casos de uso como reuniones, conversaciones móviles y web, y conversaciones grupales. Para entornos grupales como sesiones de capacitación o talleres, los participantes pueden unirse a la conversación mediante un código QR. Como parte de este lanzamiento, DeepL está lanzando complementos para plataformas como Zoom y Microsoft Teams, lo que permite a los usuarios escuchar la traducción en tiempo real o seguir el texto traducido en pantalla. Estas integraciones se encuentran actualmente en acceso anticipado, y la empresa invita a las organizaciones a unirse a una lista de espera.

La empresa también está lanzando una interfaz de programación de aplicaciones (API) que permite a desarrolladores externos y empresas construir sobre la tecnología para casos de uso como centros de llamadas. La tecnología de voz a voz está diseñada para adaptarse a vocabulario personalizado, incluidos términos específicos de la industria y nombres de empresas o personas. Actualmente, el sistema opera convirtiendo voz a texto, traduciéndolo y luego convirtiéndolo de nuevo a voz. Sin embargo, DeepL quiere desarrollar un modelo de traducción de voz de extremo a extremo que omita por completo el paso de texto.

La expansión hacia la voz representa una evolución natural para la empresa. «Después de pasar tantos años en la traducción de texto, la voz fue un paso natural para nosotros», dijo Jarek Kutylowski, CEO de DeepL. Señaló que el principal desafío técnico al crear un producto de traducción en tiempo real se centra en equilibrar la baja latencia —el retraso entre que alguien habla y se reproduce el audio traducido— con resultados precisos. Kutylowski también destacó que una capa de traducción ayuda a las empresas a brindar atención al cliente en idiomas donde el personal calificado es escaso y costoso de contratar.

DeepL ingresa a un panorama competitivo poblado por varias startups que apuntan a diferentes nichos dentro de la síntesis de voz y la traducción en tiempo real:

• Sanas: Esta startup utiliza IA para modificar el acento de un hablante en tiempo real, principalmente para agentes de centros de llamadas. Sanas recaudó USD 65 millones el año pasado de Quadrille Capital, con la participación de Teleperformance.
• Camb.AI: Con sede en Dubái, esta empresa se centra en la síntesis de voz y la traducción para empresas de medios y entretenimiento para ayudarlas a doblar y localizar contenido de video.
• Palabra: Respaldada por la firma Seven Seven Six de Alexis Ohanian, esta startup está construyendo un motor de traducción de voz en tiempo real diseñado para preservar tanto el significado como la voz original del hablante.

Por qué importa

DeepL está expandiendo sus capacidades de traducción de texto a voz en tiempo real para capturar casos de uso empresarial como reuniones y atención al cliente, posicionándose frente a una ola de startups especializadas.