DeepL ha lanzado Aure, su nuevo modelo de traducción de voz con inteligencia artificial que reproduce en tiempo real la entonación, los matices emocionales, el énfasis y la velocidad del hablante, en lugar de limitarse a convertir palabras de un idioma a otro con una voz sintética uniforme.
El anuncio se produjo el 11 de noviembre. Aure es el motor fundamental de DeepL Voice, el producto de traducción de voz de la compañía, y la empresa lo presenta como su modelo de voz más dinámico y realista hasta la fecha. La limitación más inmediata es que todavía no es compatible con el chino, aunque DeepL ha señalado que irá ampliando la lista de idiomas.
¿Qué hace diferente a Aure?
La traducción de voz convencional se enfrenta a un problema que va más allá de la exactitud léxica. Un sistema puede convertir correctamente una frase de alemán a español y, sin embargo, producir un resultado que suena artificial: la entonación es plana, el ritmo no coincide con el original, las pausas y los énfasis desaparecen. El oyente entiende el contenido, pero pierde la sensación de estar escuchando a una persona real.
Aure aborda ese problema adaptándose de forma continua y dinámica a la voz traducida. El modelo reproduce en tiempo real los cambios de entonación, los matices emocionales, el énfasis y la velocidad del habla del interlocutor. El objetivo es que la traducción conserve la naturalidad, la personalidad y las emociones sutiles que dan atractivo a una conversación humana.
La diferencia práctica es que el oyente no solo recibe el mensaje correcto, sino que percibe cómo se está diciendo. Una frase irónica suena irónica. Una pregunta mantiene la curva ascendente. Una advertencia conserva la tensión en la voz.
La tecnología detrás: preservación de voz y adaptación dinámica
Aure se apoya en la tecnología de preservación de voz que DeepL lanzó recientemente. Esa tecnología permite a las personas comunicarse en diferentes idiomas utilizando sus voces originales, reconocibles, en lugar de voces sintetizadas y monótonas.
La preservación de voz resuelve el problema de la identidad: el oyente reconoce la voz del hablante aunque el idioma haya cambiado. Aure va un paso más allá. No solo conserva las características vocales estáticas del hablante, sino que captura las fluctuaciones dinámicas y las respuestas en tiempo real de la voz a lo largo de la conversación.
Es la diferencia entre una fotografía y una película. La preservación de voz captura el timbre; Aure captura el movimiento. El resultado es una traducción que se siente espontánea, no prefabricada.
¿Dónde se puede usar y qué idiomas soporta?
Aure está disponible en dos entornos de DeepL Voice:
- Videoconferencias y conversaciones cara a cara dentro de la plataforma de DeepL Voice.
- API de voz de DeepL, para desarrolladores que quieran integrar la traducción de voz en sus propias aplicaciones.
Los idiomas compatibles inicialmente son:
- Inglés
- Alemán
- Español
- Francés
- Italiano
- Japonés
- Portugués
- Coreano
Para los idiomas que aún no son compatibles con Aure, DeepL Voice utilizará automáticamente el modelo de voz existente. Es decir, la traducción seguirá funcionando, pero sin las mejoras de naturalidad y adaptación dinámica que aporta el nuevo modelo.
El chino, uno de los idiomas más hablados del mundo y un mercado clave para cualquier herramienta de traducción, todavía no está en la lista. DeepL no ha especificado cuándo se añadirá ni qué criterios está utilizando para priorizar los idiomas.
¿Por qué la naturalidad importa en la traducción de voz?
La traducción de voz tiene aplicaciones que van más allá de la comodidad. En una reunión de negocios, en una consulta médica, en una llamada de atención al cliente o en una conversación entre personas que no comparten idioma, la forma en que se dice algo puede ser tan importante como lo que se dice.
Una traducción que suena artificial introduce una barrera psicológica. El oyente percibe que está hablando con una máquina, no con una persona. Esa percepción reduce la confianza, aumenta la distancia y puede afectar al resultado de la conversación.
Aure intenta eliminar esa barrera. Si el oyente escucha una voz que suena natural, con la entonación y las emociones del hablante original, la conversación fluye con menos fricción. La tecnología se vuelve invisible y el foco vuelve a estar en las personas.
Lo que falta por confirmar
DeepL no ha detallado el precio de Aure ni ha especificado si su uso en la API de voz tendrá un coste adicional respecto al modelo anterior. Tampoco ha publicado datos objetivos sobre la mejora en naturalidad que aporta el nuevo modelo, más allá de las afirmaciones cualitativas del comunicado.
La compañía no ha indicado cuándo se añadirá el chino ni qué otros idiomas están en la lista de prioridades. Tampoco ha especificado si Aure estará disponible en los planes gratuitos de DeepL Voice o solo en los de pago.
Descubre más desde CIBERED
Suscríbete y recibe las últimas entradas en tu correo electrónico.
