DeepL lança Aure, um modelo de tradução de voz mais expressivo

A DeepL, empresa de IA de linguagem, apresentou um novo modelo de tradução de voz chamado Aure para o DeepL Voice, seu produto de tradução de fala em tempo real. A empresa descreve o Aure como seu modelo de IA de voz mais dinâmico e realista até agora. A DeepL afirma que sua abordagem anterior gerava uma voz traduzida expressiva a partir de uma única amostra captada no início da conversa, o que registrava quem estava falando, mas não como — por isso não captava mudanças posteriores de emoção ou ritmo, nem um tom que contradizia as próprias palavras, como a ironia. O Aure, em vez disso, analisa a fala continuamente, ajustando a voz traduzida à medida que o tom, a emoção, a ênfase e o ritmo de quem fala mudam ao longo da conversa.

O CEO e fundador Jarek Kutylowski disse que o objetivo é que a fala traduzida carregue mais da personalidade de quem fala ao passar de um idioma para outro: “Com o Aure, conseguimos captar até as mudanças mais sutis de expressão no momento em que acontecem e levá-las para outro idioma, na própria voz da pessoa e em tempo real.” O Aure se apoia em um recurso de preservação de voz que a DeepL lançou anteriormente, que permitia às pessoas manter sua própria voz reconhecível em vez de usar uma voz sintética genérica; o Aure acrescenta a capacidade de acompanhar como essa voz muda ao longo de uma conversa, em vez de fixá-la a partir de uma amostra inicial.

Para isso, o Aure se baseia tanto nas palavras traduzidas quanto no áudio original para definir como a fala é entregue, enquanto filtra ruído de fundo, eco e distorções do sinal, além de isolar a identidade vocal e a prosódia de quem fala. Como o DeepL Voice não guarda um registro permanente de transcrições ou traduções de reuniões — apagando esses dados assim que a sessão termina —, o Aure tem muito pouco histórico registrado de qualquer falante para aprender, por isso se adapta em tempo real, antes mesmo de uma frase terminar. A DeepL afirma que combinou várias técnicas de treinamento para que a identidade de quem fala, o jeito de falar e o que é dito possam ser levados cada um de forma independente para um novo idioma, e depois aplicou aprendizado por reforço para manter intactas a precisão da tradução e a qualidade da fala, evitando um acento exagerado.

O Aure já está disponível, sem configuração adicional, no DeepL Voice para Reuniões Online, no DeepL Voice para Conversas Presenciais e na DeepL API for Voice. Inicialmente, cobre oito idiomas — alemão, coreano, espanhol, francês, inglês, italiano, japonês e português —, com mais idiomas a caminho; os demais idiomas continuam funcionando pelos modelos de voz já existentes da DeepL. A DeepL afirma que clientes como a Pioneer Corporation, a Aramark, a Avendra International e a Inetum já usam o DeepL Voice, e que o produto foi incluído recentemente na lista Next Big Things in Tech 2026 da Fast Company, na categoria de IA Aplicada.

Por que importa

Para empresas globais que fazem reuniões e negociações entre idiomas, o tom muitas vezes carrega tanto significado quanto as palavras em si — ironia, urgência ou entusiasmo que uma tradução de voz baseada em uma única amostra fixa poderia não captar. Se o Aure funcionar como a DeepL descreve, isso reduz uma lacuna que outras ferramentas de tradução e interpretação de voz ainda precisam fechar.