DeepL lanza Aure, un modelo de traducción de voz más expresivo

DeepL, la empresa de IA del lenguaje, presentó un nuevo modelo de traducción de voz llamado Aure para DeepL Voice, su producto de traducción de voz en tiempo real. La empresa describe a Aure como su modelo de IA de voz más dinámico y realista hasta la fecha. DeepL afirma que su enfoque anterior generaba una voz traducida expresiva a partir de una sola muestra tomada al inicio de la conversación, lo que captaba quién hablaba pero no cómo lo hacía, por lo que no detectaba cambios posteriores de emoción o ritmo, ni un tono que contradijera las palabras mismas, como la ironía. Aure, en cambio, analiza el habla de manera continua y ajusta la voz traducida a medida que cambian el tono, la emoción, el énfasis y el ritmo de quien habla a lo largo de la conversación.

El director ejecutivo y fundador, Jarek Kutylowski, dijo que el objetivo es que la voz traducida conserve más de la personalidad de quien habla al pasar de un idioma a otro: “Con Aure podemos captar incluso los cambios más sutiles de expresión en el momento en que ocurren y llevarlos a otro idioma, con la propia voz de la persona y en tiempo real”. Aure se apoya en una función de preservación de voz que DeepL lanzó anteriormente, la cual permitía que las personas sonaran como ellas mismas en lugar de usar una voz sintética genérica; Aure añade la capacidad de seguir cómo cambia esa voz a lo largo de una conversación, en lugar de fijarla a partir de una muestra inicial.

Para lograrlo, Aure se basa tanto en las palabras traducidas como en el audio original para definir cómo se entrega el mensaje, mientras filtra el ruido de fondo, el eco y las distorsiones de la señal, y aísla la identidad vocal y la prosodia de quien habla. Debido a que DeepL Voice no guarda un registro permanente de transcripciones ni traducciones de las reuniones —y borra esos datos en cuanto termina la sesión—, Aure dispone de muy poco historial grabado de cada hablante para aprender de él, por lo que se adapta en tiempo real, antes incluso de que termine una oración. DeepL afirma que combinó varias técnicas de entrenamiento para que la identidad de quien habla, su forma de hablar y lo que dice puedan trasladarse cada uno de forma independiente a otro idioma, y luego aplicó aprendizaje por refuerzo para mantener intactas la precisión de la traducción y la calidad del habla, evitando un acento exagerado.

Aure ya está disponible, sin configuración adicional, en DeepL Voice para Reuniones en Línea, DeepL Voice para Conversaciones Presenciales y la API de DeepL para Voz. Inicialmente cubre ocho idiomas —alemán, coreano, español, francés, inglés, italiano, japonés y portugués—, con más idiomas por venir; el resto de los idiomas sigue funcionando con los modelos de voz existentes de DeepL. DeepL afirma que clientes como Pioneer Corporation, Aramark, Avendra International e Inetum ya utilizan DeepL Voice, y que el producto fue incluido recientemente en la lista Next Big Things in Tech 2026 de Fast Company, en la categoría de IA Aplicada.

Por qué importa

Para las empresas globales que llevan adelante reuniones y negociaciones entre idiomas, el tono suele transmitir tanto significado como las palabras mismas: la ironía, la urgencia o el entusiasmo que una traducción de voz basada en una sola muestra inicial podría pasar por alto. Si Aure funciona como lo describe DeepL, eso reduce una brecha que otras herramientas de traducción e interpretación de voz todavía tienen que cerrar.