以文本翻译工具闻名的DeepL今日发布语音到语音翻译套件，适用于会议、移动端及网页对话，以及通过定制应用为一线人员提供的小组对话等场景。同时推出API，支持外部开发者和企业基于其技术构建呼叫中心等定制化用例。
语音翻译：自然延伸与市场机遇
DeepL首席执行官Jarek Kutylowski在接受TechCrunch采访时表示：“在深耕文本翻译多年后，拓展语音领域是自然的发展步骤。尽管我们在文本和文档翻译上已取得显著进展，但市场上仍缺乏优秀的实时语音翻译产品。”
Kutylowski指出，开发实时翻译产品的核心挑战在于平衡低延迟与高准确性，即缩短从说话到播放翻译音频的时间差，同时确保翻译质量。
多场景应用与自定义能力
DeepL正为Zoom和Microsoft Teams等平台推出插件，支持听众实时收听母语翻译或跟随屏幕上的实时译文。该产品目前处于早期访问阶段，公司正邀请组织加入等候名单。此外，DeepL还提供适用于面对面或远程对话的移动端及网页版产品。
针对培训、研讨会等小组对话场景，参与者可通过扫描二维码加入会话。该技术还支持学习和适应自定义词汇，包括行业术语及公司、个人名称。
技术优势与未来展望
Kutylowski认为，AI正在重塑客户服务未来，翻译层有助于企业在合格员工稀缺且招聘成本高昂的语言市场中提供支持。
DeepL掌控着完整的语音到语音技术栈。当前系统虽仍需经历“语音转文本-翻译-文本转语音”的流程，但凭借在文本翻译领域的深厚积累，公司在翻译质量上具备优势。未来，DeepL计划开发端到端语音翻译模型，完全跳过文本转换步骤。
市场竞争格局
DeepL面临多家资金充足的初创企业竞争：
- Sanas：去年获Quadrille Capital 6500万美元融资（Teleperformance参与投资），利用AI实时修改说话者口音，主要面向呼叫中心代理。
- Camb.AI：总部位于迪拜，专注于为媒体和娱乐公司提供语音合成与翻译服务，助力视频内容的大规模配音和本地化。
- Palabra：由Reddit联合创始人Alexis Ohanian旗下的Seven Seven Six支持，致力于构建实时语音翻译引擎，旨在保留语义的同时还原说话者原始声音，与DeepL形成直接竞争。
本文已更新，以反映Teleperformance参与了本轮融资