DeepL、話者の声のままリアルタイム翻訳　日本語含む14言語で声の特徴を維持

　DeepLは、リアルタイム音声翻訳サービス「DeepL Voice」の機能強化を発表した。

　新たなVoice AIモデルにより、話者の声の特徴や話し方、テンポなどを保ちながら、相手の言語へリアルタイムに音声翻訳できる。音声通訳は30以上の言語に対応し、日本語を含む14言語では話者の声の特徴も維持する。

　新機能は、オンライン会議や対面での会話、DeepL Voice APIを通じて一般提供される。従来のリアルタイム翻訳字幕に加え、音声から音声への翻訳に対応した。質問の語尾やイントネーション、ためらいや緊急性、高揚感といった表現も翻訳音声へ反映され、会話のテンポを保つため低遅延で処理される。

　あわせて、Windows／Mac向けの「DeepL Voice」デスクトップアプリも発表された。Zoom、Microsoft Teams、Google Meetでの会議が自動で検出され、翻訳字幕が画面上にオーバーレイ表示される。

　デスクトップアプリでは、翻訳字幕から音声通訳へ切り替えられるほか、字幕の大きさや背景音の音量、翻訳設定などを調整できる。オンライン会議サービス側の追加アップデートを待たず、新しいDeepL Voiceの機能を利用できる。

　DeepL Voice APIでも音声通訳が一般提供され、コンタクトセンターや会議ツール、現場向けアプリ、自社サービスなどへリアルタイム音声翻訳を組み込める。

　DeepL Voiceは2024年11月に発表されたサービスで、オンライン会議向けと対面会話向けの機能などが提供されている。今回の機能強化では、これまでの音声からテキストへのリアルタイム翻訳に加えて、翻訳後の内容を音声で届ける機能が拡充された。