DeepL Aure: Neues KI-Modell verbessert Sprachübersetzung in Echtzeit
Das Kölner Unternehmen DeepL hat mit Aure ein neues KI-Modell vorgestellt, das bei Sprachübersetzungen auch Emotionen und Betonungen übertragen soll.
Die Technologie kommt in DeepL Voice zum Einsatz und soll mehr von der persönlichen Ausdrucksweise eines Sprechers bewahren. Anders als bisherige Modelle berücksichtigt Aure dabei fortlaufend Veränderungen der Stimme während eines Gesprächs.
Bislang konnte DeepL anhand einer kurzen Stimmprobe eine wiedererkennbare Stimme erzeugen. Deren Ausdruck blieb allerdings weitgehend auf die anfänglich erfassten Eigenschaften beschränkt. Spätere Veränderungen bei Sprechtempo, Tonfall oder Stimmung wurden nicht entsprechend berücksichtigt.
DeepL Aure analysiert Stimmen kontinuierlich
Das neue Modell verarbeitet sowohl das ursprüngliche Audiosignal als auch die übersetzten Wörter. Dadurch soll die ausgegebene Stimme beispielsweise Begeisterung, Nachdruck oder einen Wechsel zu einem ernsteren Tonfall widerspiegeln. Auch Ausdrucksweisen wie Sarkasmus, bei denen Worte und Tonfall auseinandergehen, sollen besser übertragen werden.
Technisch kombiniert DeepL verschiedene Trainingsverfahren mit Reinforcement Learning. Dabei werden Stimmidentität, Sprachinhalt und Prosodie, also unter anderem Rhythmus und Betonung, getrennt verarbeitet. Hintergrundgeräusche und Echos stellen zusätzliche Herausforderungen dar.
Aure unterstützt zum Start acht Sprachen:
- Deutsch, Englisch, Spanisch und Französisch
- Italienisch und Portugiesisch
- Japanisch und Koreanisch
Die Neuerungen werden automatisch und ohne zusätzliche Einrichtung in DeepL Voice für Online-Meetings und persönliche Gespräche sowie in der DeepL API für Voice eingesetzt. Weitere Sprachen sollen folgen. Für alle übrigen unterstützten Sprachen verwendet DeepL weiterhin seine bisherigen Modelle.
Nach Unternehmensangaben werden Besprechungsprotokolle und Übersetzungen nicht dauerhaft gespeichert. Die entsprechenden Daten werden nach Sitzungsende aus dem Arbeitsspeicher gelöscht.
Gerade bei internationalen Besprechungen könnte die natürlichere Wiedergabe einen Unterschied machen. Schließlich entscheidet nicht nur der Inhalt einer Aussage darüber, wie sie beim Gegenüber ankommt. Ob Aure diese sprachlichen Feinheiten im Alltag tatsächlich zuverlässig trifft, muss sich in der Praxis zeigen.
mobiFlip bei Google bevorzugen – unsere Beiträge öfter sehen Quelle wählen ↗
Ich benutze Deepl sporadisch seit über 8 Jahren in der Webversion und war bzw. bin immer sehr zufrieden. Grundsätzlich besser als Google Transfail und die automatischen Übersetzungen bei LinkedIn.
Ich hoffe sehr, dass dieses Juwel einer Deutschen Firma noch weiter wachsen kann und nicht durch die großen AI-Konzerne zerquetscht wird.