DeepL a présenté Aure, un modèle de traduction vocale en temps réel qui cherche à restituer dans la langue d’arrivée l’émotion, l’accentuation et le débit de la personne qui parle. Selon ComputerBase, il prend en charge huit langues dès le lancement, dont le français.

Jusqu’ici, la fonction de conservation de la voix, présentée récemment par DeepL, permettait de traduire une conversation avec la voix reconnaissable du locuteur. Mais la synthèse s’appuyait sur un court enregistrement du début de l’échange. Enthousiasme, stress ou sarcasme survenus ensuite n’étaient guère pris en compte. Aure doit lever cette limite en analysant en continu le signal audio d’origine et les mots traduits : la voix produite peut évoluer au fil de la discussion, tout en étant censée garder ses traits propres. t3n, de son côté, présente Aure comme un moyen d’obtenir des traductions proches de l’humain, portées par des voix générées expressives.

Une mise au point délicate

L’un des défis centraux, d’après ComputerBase, consistait à séparer les caractéristiques durables d’une voix de ses expressions liées à la situation. Le modèle doit aussi écarter bruits de fond, échos et distorsions, et éviter les accents exagérés ou les changements de timbre indésirables d’une langue à l’autre. DeepL dit combiner des méthodes d’entraînement qui traitent séparément identité vocale, prosodie et contenu, en y ajoutant de l’apprentissage par renforcement pour améliorer la précision de la traduction, la qualité du son et une prononciation naturelle, si possible sans accent.

Autre contrainte : les enregistrements d’une même personne dans plusieurs langues sont rares, car DeepL affirme ne pas conserver durablement les transcriptions ni les traductions, effacées de la mémoire vive à la fin de la session. Aure doit donc s’adapter à une voix en cours de conversation, avant même de disposer de phrases complètes.

Le modèle est actif dès maintenant et automatiquement, sans réglage, dans DeepL Voice (réunions en ligne et conversations en face à face) ainsi que dans l’API DeepL pour la voix. Les langues prises en charge sont l’allemand, l’anglais, le français, l’italien, le japonais, le coréen, le portugais et l’espagnol. D’autres sont prévues, sans calendrier cité par ComputerBase ; d’ici là, DeepL Voice continue d’utiliser ses modèles actuels pour les langues non couvertes.

DeepL met en avant la communication internationale des entreprises : négociations, relation client, équipes multilingues, où l’insistance, le doute ou l’enthousiasme devraient mieux passer la frontière des langues. Reste à voir ce que cela donne en usage réel : ComputerBase ne rapporte aucune mesure de la qualité du rendu.

Sources

• Echtzeit-Sprachübersetzung: DeepL Aure lässt Emotionen in Übersetzung einfließen, ComputerBase, 11 novembre 2026
• KI-Stimmen mit Emotionen: DeepL stellt neues Modell Aure vor, t3n, 11 novembre 2026