2026 年 11 月 11 日，DeepL 在德国科隆发布语音 AI 模型 Aure，并称这是其迄今最生动、最逼真的语音 AI 模型。Aure 用于实时语音翻译产品 DeepL Voice，会随说话人语气、情绪、重音和语速的变化持续调整译后语音，使翻译保留更多个性、细微差别和表达。
DeepL 表示，Aure 建立在近期推出的声音保留技术之上。该技术让人用自己可辨认的声音跨语言交流，而不是使用通用合成音。声音保留保住的是说话人身份；Aure 进一步捕捉这副声音在对话中如何变化。
新闻稿说明，此前 DeepL Voice 可以用一段静态样本生成自然、有表现力的声音，但要靠对话开头的片刻决定译后声音。这能体现谁在说话，却体现不了怎么说：固定快照跟不上情绪、重音或语速的变化，也传达不了与字面相反的说法方式，例如反讽。
Aure 改为持续分析输入语音，同时使用译文和原声音频来决定一句话怎么说，使译后声音既反映说了什么，也反映怎么说。
DeepL 创始人兼 CEO Jarek Kutylowski 表示，声音从不是静止的，语气、语速和表达的调整可以完全改变话语被理解的方式。他说，借助 Aure，可以在变化发生时捕捉最细微的表达变化，并用说话人自己的声音实时带入另一种语言。
发布方在新闻稿中列出几项难点。真实对话往往有噪音，Aure 需要分离说话人的音色和韵律，并滤除背景噪音、回声和音频失真。把声音带到另一种语言，也比在同一种语言内复杂得多，尤其不能夸大口音或扭曲本人的声音。
DeepL Voice 可供学习的、同一说话人跨语言说话的真实数据有限：这项技术不会永久保存会议转写或译文，会话结束后即从内存删除。因此，Aure 必须在说话人说完一句话之前就实时适应。新闻稿举例称，同一个人可能一天听起来疲倦，下一天充满热情，或在压力下说得不同；Aure 可以区分这些变化，并按当下的声音调整译后语音。
DeepL 称，公司组合了多种训练技术，将说话人的音色、韵律和口语内容分离，使三者可以各自带入新语言。强化学习进一步优化输出，在保留翻译准确度和语音质量的同时，生成听起来自然、没有口音的语音。
据新闻稿，Aure 的新能力自动应用于 DeepL Voice for Online Meetings、DeepL Voice for In-Person Conversations 和 DeepL API for Voice，无需额外配置。模型首批支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语，更多语言将陆续加入；其他语言继续由现有语音模型支持。
新闻稿还称，Pioneer Corporation、Aramark、Avendra International 和 Inetum 等企业已在使用 DeepL Voice，用于多语言沟通与协作。DeepL Voice 近期入选 Fast Company「2026 Next Big Things in Tech」的 Applied AI 类别。
