ためらいや緊急性など感情表現も翻訳に反映！リアルタイム音声翻訳「DeepL Voice」

　DeepLは、音声翻訳ツール「DeepL Voice」のVoice AIテクノロジーを大幅に強化したと発表した。

　DeepL Voiceは、これまでリアルタイムの音声からテキストへの翻訳（翻訳字幕）を中心に、多言語コミュニケーションを支援してきた。今回新たに発表したVoice AIモデルでは、オンライン会議プラットフォーム（Zoom、Microsoft TeamsおよびGoogle Meet）上で異なる言語のユーザー同士が会話する際も、日本語で話した内容が話者本人の声質や話し方の特徴、話すテンポを保ったまま、相手の言語で再生される。

　同時に複数の参加者の会話を翻訳する場合、同じ音声で翻訳されると誰の発言かわからなくなることがあるが、それぞれの話者の声の特徴を維持し翻訳されることで、誰が話しているのかを自然に把握できる。さらに、質問の語尾やイントネーション、ためらいや緊急性、高揚感といった感情表現も翻訳に反映。この機能に対応しているのは、日本語をはじめとする英語、中国語、韓国語、スペイン語など14言語。

　リアルタイムの会話のテンポを維持しながら、文脈や話し方のニュアンスをより多く伝えるため、低遅延を実現している。

　また、DeepLは、新しい「DeepL Voiceデスクトップアプリ」を発表した。WindowsおよびMacに対応し、Zoom、Microsoft Teams、Google Meetと連携して会議を自動検出し、翻訳字幕をオーバーレイで常時表示。ユーザーは、プレゼンテーション中やメモを取りながら翻訳字幕を確認できるほか、音声で内容を把握したい場合には音声対音声翻訳へ切り替えることも可能。字幕のサイズや背景の音量、翻訳設定なども調整可能なほか、新たなVoice機能が追加された際には、オンライン会議プラットフォーム側のアップデートを待つことなく利用することができる。