Компания DeepL представила модель Aure, которая передает интонацию, эмоции и темп речи при переводе в реальном времени. В отличие от предыдущих версий, использовавших статические образцы голоса, новая технология непрерывно анализирует исходный аудиопоток и переведенный текст в ходе диалога.
При обучении системы специалисты DeepL разделили параметры идентификации голоса, мелодики речи и содержания. Это позволяет переносить характеристики голоса в целевой язык независимо друг от друга, а алгоритмы обучения с подкреплением помогают избежать акцента. Модель уже доступна в DeepL Voice для онлайн-встреч, личных бесед и через API.
На старте Aure поддерживает восемь языков: английский, немецкий, испанский, французский, итальянский, японский, португальский и корейский. Ранее, в сентябре, компания внедрила функцию сохранения голоса. Развитие технологий перевода также включает покупку команды разработчиков аудиостримингового сервиса Mixhalo.
