ドイツのケルンに本社を置く言語AI企業のDeepLは2026年11月11日、リアルタイム音声翻訳ソリューション「DeepL Voice」を支える新たな音声AIモデル「Aure」を発表しました。会話中の音声を継続的に分析することで、話者のトーンや感情、強調の仕方、話すペースの変化をリアルタイムで翻訳音声に反映します。従来のモデルから技術を発展させ、話者本人と認識できる声の特徴を保ちながら、会話の中で変化する表現やニュアンスを異なる言語間で伝えます。

会話中の音声を継続分析し話し方の変化に対応

Aureは、DeepLが9月に発表した話者の声の特徴を維持する音声技術をさらに進化させたモデルです。従来のモデルは会話の冒頭で捉えた音声をもとに翻訳音声を生成していましたが、Aureは翻訳された言葉と元の音声の両方を用いて入力音声を継続的に分析します。これにより「何を話しているか」だけでなく「どのように話しているか」まで捉えられるようになります。

DeepL創業者兼CEOのヤレック・クテロフスキー氏は、Aureによって会話の中で生まれるわずかな表現の変化まで捉え、本人の声でリアルタイムに別の言語へ反映できるようになったとし、話す言語が変わってもその人らしさが変わらない世界の実現に向けた大きな一歩になると述べています。

雑音除去やアクセントの最適化など技術的課題を克服

多言語での音声再現にあたっては、周囲の雑音やエコーの除去、話者固有の声の特徴や抑揚、リズムなどのプロソディの正確な把握といった課題がありました。さらに、DeepL Voiceでは会議の文字起こしや翻訳データを永続的に保存せずセッション終了時にメモリから削除する仕様のため、話者が一文を話し終える前から声の特徴を捉えて適応する必要があります。

DeepLはこれらの課題に対し、声の特徴、抑揚やリズム、発話内容を分離する複数のトレーニング手法を組み合わせ、各要素を独立して別の言語へ反映できるようにしました。さらに強化学習によって出力を最適化し、翻訳の正確性と音声品質を維持しながら特定のアクセントに偏らない自然な音声を生成する仕組みを構築しています。

8言語に対応し各種ソリューションへ自動適用

Aureの新機能は追加の設定を必要とせず、DeepLの各ソリューションへ自動的に適用されます。対象言語は8言語で、今後も拡大される予定です。

• 対象ソリューション: DeepL Voice for Online Meetings、DeepL Voice for In-Person Conversations、DeepL API for Voice
• 初期対応言語: 英語、ドイツ語、スペイン語、フランス語、イタリア語、日本語、ポルトガル語、韓国語（その他言語は既存の音声モデルで引き続き利用可能）
• 導入企業例: パイオニア株式会社、Aramark、Avendra International、Inetum
• 受賞実績: Fast Company「2026 Next Big Things in Tech」Applied AI部門選出

本記事はDeepLの発表をもとに作成されています。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。