DeepL 正式对外发布全新语音 AI 翻译模型 Aure，这是 DeepL 在语音翻译赛道的重要产品，它不再把语音识别、文本翻译、语音合成拆成独立链路，采用端到端的方式完成语音转语音翻译，可以保留说话人的语气、节奏、情绪，弱化中间文本环节带来的信息损耗，支持多语种之间的实时语音互译，不管是线上跨国沟通、海外直播翻译，还是音视频素材本地化，都能直接输出目标语言语音，进一步补齐 DeepL 在实时口语、音频翻译方向的能力，和大家熟悉的文本翻译产品形成互补。
DeepL 推出 Aure 语音翻译模型的核心动因
- 串联链路会丢失口语细节
- 市场对自然语音翻译需求上涨
- 补齐 DeepL 的产品版图
- 降低延迟，适配实时场景
传统方案是先语音转文字，再翻译文本，最后合成语音，层层传递之后，原话的情绪、停顿、口音很容易丢失，翻译听感生硬。
跨国会议、远程通话、短视频本地化越来越多，用户不只是想要文字字幕，更想要听起来自然流畅的语音译文。
DeepL 在文本翻译已经拥有很高知名度，Aure 可以把能力延伸到音频、实时对话场景，打造文字加语音的完整翻译体系。
端到端架构省去多步串行处理，能够压低整体响应延迟，更适合需要实时交互的对话场景。
Aure 语音 AI 翻译模型关键能力
| 能力项 | 说明 |
|---|---|
| 端到端语音互译 | 输入语音，直接输出目标语种语音，不依赖显式中间文本 |
| 保留说话风格 | 尝试复刻原说话人的语速、情绪、停顿，减少机器朗读感 |
| 多语种覆盖 | 支持主流语种双向语音翻译，持续扩充小语种 |
| 适配实时流式输入 | 可以边说边译，适合对话场景，不需要等整段音频结束 |
| 配套文本结果输出 | 在输出语音的同时，同步给出翻译文本，方便核对字幕 |
使用 Aure 完成语音翻译的实操步骤
- 选择输入方式：选用麦克风实时收音，或者上传已经录制好的音频文件。
- 选定源语言和目标语言：确认音频里面的语种，以及想要翻译成的语种。
- 开启翻译：流式模式下可以一边说话一边接收译文；文件模式会完整处理整条音频。
- 核对语音与字幕：收听生成的语音译文，对照同步文本，修正明显错译。
- 导出结果：根据需求导出音频译文、字幕文本，用于会议记录或者视频配音。
Aure 的发布代表 DeepL 正式发力端到端语音翻译。虽然它在情绪还原、口音识别上相比传统流水线有明显提升，但遇到很重的方言、嘈杂背景噪音、高度专业术语时依然容易出错，更适合相对干净、日常以及商务口语场景。
【常见问题】
问题 1：DeepL 发布的语音 AI 翻译模型 Aure，和普通 “语音转文字再翻译” 有什么不一样？
回答 1：DeepL 发布的语音 AI 翻译模型 Aure 使用端到端方案，跳过独立的文字中转环节，更容易保留语气，延迟更低，而传统方案是三段式串联。
问题 2：使用 DeepL 的 Aure 语音 AI 翻译模型，能不能处理带口音或者嘈杂环境的语音？
回答 2：DeepL 的 Aure 语音 AI 翻译模型在干净语音下效果最好，面对强噪音、浓重方言口音时识别和翻译准确率会明显下降。
问题 3：DeepL 的 Aure 语音 AI 翻译模型，只能输出语音翻译结果吗？
回答 3：DeepL 的 Aure 语音 AI 翻译模型在输出语音译文的同时，还会附带对应的翻译文本，方便用户查看、复制字幕内容。
问题 4：DeepL 推出 Aure 之后，原来的 DeepL 文本翻译还会继续更新维护吗？
回答 4：DeepL 推出 Aure 语音 AI 翻译模型属于能力拓展，不会替代原有文本翻译产品，文本翻译依旧会持续迭代优化。
【参考资料】
[2026-11-14]（DeepL 发布端到端语音翻译模型 Aure）DeepL 官方博客
[2026-11-14]（DeepL Aure 语音翻译模型技术解读）机器之心
[2026-11-13]（端到端语音翻译产品赛道观察）InfoQ
【免责声明】
以上内容为公开资讯整理，Aure 的语种范围、延迟、音质、收费模式以 DeepL 官方上线版本为准；语音翻译天然存在识别与翻译误差，重要商务、医疗场景建议人工复核，本内容不构成翻译工具采购推荐。