// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
DeepL Voice: Echtzeit-Übersetzung mit originaler Stimmcharakteristik
DeepL erweitert seine Voice-Technologie: Neue Sprachmodelle übertragen bei Live-Übersetzungen auch den individuellen Klang, das Sprechtempo und die Emotionen.
Das Kölner KI-Start-up DeepL baut seine Technologie zur Sprachübersetzung in Echtzeit aus: Mit neuen Sprachmodellen für die Anwendung „DeepL Voice“ will das Unternehmen nicht mehr nur gesprochene Wörter übersetzen, sondern auch den individuellen Klang der Stimme sowie Tonfall, Sprechtempo und Emotionen über Sprachgrenzen hinweg bewahren. „In einem mehrsprachigen Gespräch sind die Worte nur ein Teil der Geschichte. Wer spricht, sowie dessen Tonfall, Rhythmus, Sprechtempo und Intonation – all dies prägt unser Verständnis dessen, was jemand wirklich meint“, erklärt das Unternehmen in seiner Ankündigung.
Die neue Technologie als Fortsetzung des vor knapp zwei Jahren vorgestellten DeepL Voice soll dem Start-up zufolge bei der Übersetzung nicht mehr dieselbe synthetische Stimme ausgeben. Stattdessen „bleiben verschiedene Sprecher erkennbar – selbst in Gesprächen mit mehreren Teilnehmern“. So sollen Fragen wie Fragen klingen und Begeisterung wie Begeisterung. Ebenso sollen Zögern, Betonung und Dringlichkeit unverfälscht transportiert werden.
Weiter führt DeepL aus, dass dies in Echtzeit geschehe, ohne dass vorab Sprachproben gespeichert oder Sprachprofile für die spätere Verwendung erstellt werden. Die neuen Sprachmodelle von DeepL Voice lassen sich dem Unternehmen zufolge in den Bereichen Online-Meetings, persönliche Gespräche und die DeepL API for Voice einsetzen. Die „Sprachbeibehaltung“, so der Name des Produkts, ist laut Unternehmen zunächst in zwölf Sprachen verfügbar, weitere würden „in Kürze“ folgen. Wie gut das Ganze funktioniert, soll man bereits jetzt ausprobieren können.
Überdies hat DeepL eine „Voice-Desktop-App“ für die Plattformen Windows und Mac eingeführt. Diese soll „ein einheitliches Voice-Erlebnis über Zoom, Microsoft Teams und Google Meet hinweg“ bieten. Die App unterstütze die drei großen Unternehmens-Kommunikationsplattformen und erkenne Besprechungen automatisch, sobald sie stattfinden.
In der App können Nutzerinnen und Nutzer wählen, wie sie der Unterhaltung folgen möchten: Sie lesen übersetzte Untertitel in einem Overlay, hören die Sprachübersetzung oder wechseln zwischen beiden Optionen.
Die Voice-to-Voice-Übersetzung für Online-Meetings über die Desktop-App sei nun allgemein verfügbar und ergänze die Sprachübersetzung von persönlichen Gesprächen sowie die DeepL API for Voice, erklärt das Unternehmen. Eine browserbasierte Voice-to-Voice-Sprachübersetzung für externe Teilnehmer befinde sich noch in der Beta-Phase.
Gegenüber der Deutschen Presse Agentur erklärte DeepL-Gründer und -CEO Jarek Kutylowski, dass man sich im Wettbewerb mit den Tech-Größen wie Google oder Microsoft-Partner OpenAI, die auch stark auf multimodale Sprachverarbeitung setzen, gut gewappnet sehe.
Der Fokus des Kölner KI-Start-ups liege primär auf Firmenkunden: „Für Unternehmen geht es nicht nur darum, an einzelnen Stellen eine E-Mail oder ein Meeting zu übersetzen. Es geht darum, ein größeres System aufzubauen, das Dokumente und Sprache einheitlich handhabt und die unternehmensspezifische Terminologie über alle Kanäle hinweg konsistent übernimmt“, so der Gründer.
DeepL hatte zuletzt im Mai mit einem umfangreichen Stellenabbau für Aufmerksamkeit gesorgt: Kutylowski hatte damals angekündigt, 250 Stellen zu streichen, womit das Unternehmen mit einem Schlag um ein Viertel seiner Belegschaft verkleinert wurde. Der DeepL-CEO sagte damals: „Es handelt sich jedoch um eine bewusste strukturelle Entscheidung darüber, wie DeepL arbeiten muss, um weltweit führend im Bereich der KI zu bleiben“.