Kölniläinen käännösyhtiö DeepL esitteli uuden puhemallinsa tiedotteessa keskiviikkona 11. marraskuuta. Aure tuottaa käännetyn puheen DeepL Voicessa, joka kääntää puhetta reaaliaikaisesti toiselle kielelle.

The Decoderin ja Trending Topicsin mukaan DeepL Voice on syyskuusta lähtien tuottanut käännöksen puhujan omalla äänellä. Ääni kuitenkin perustui keskustelun alussa kuultuun näytteeseen. DeepL:n mukaan kiinteästä näytteestä kuuli, kuka puhuu, mutta ei sitä, miten hän puhuu. Käännös ei seurannut tunteen, painotuksen tai tempon muutoksia eikä sarkasmia, jossa äänensävy on ristiriidassa sanojen kanssa.

Ääni, sävelkulku ja sisältö erikseen

Aure analysoi puhetta koko keskustelun ajan. Tiedotteen mukaan malli päättää lauseen lausumistavan sekä käännettyjen sanojen että alkuperäisen äänen perusteella. DeepL ei tallenna kokousten litterointeja tai käännöksiä pysyvästi, joten samasta puhujasta eri kielillä on vähän aineistoa. Siksi mallin on sopeuduttava puhujaan jo kesken lauseen.

Koulutuksessa DeepL erotti toisistaan puhujan äänen yksilölliset piirteet, prosodian eli puheen sävelkulun ja rytmin sekä puheen sisällön. Näin kukin osa voidaan siirtää uuteen kieleen erikseen. Vahvistusoppimisella yhtiö hioi mallin tuotosta niin, että käännös pysyy tarkkana ja puhe kuulostaa luontevalta ilman vierasta korostusta. Malli myös erottaa puhujan äänen taustamelusta ja kaiusta.

Etelä-Korean Yonhap-uutistoimisto kirjoittaa, että Aure muuntaa äänen suoraan eikä litteroi puhetta ensin tekstiksi. DeepL:n tiedotteen mukaan malli kuitenkin käyttää myös käännettyjä sanoja, joten väite ei sovi suoraan yhteen yhtiön oman kuvauksen kanssa.

Laatuväitteet tulevat DeepL:ltä

The Decoder, heise online, Trending Topics ja Yonhap perustavat kuvauksensa DeepL:n tietoihin, eikä yksikään niistä esitä riippumatonta mittausta Auren laadusta.

Trending Topics mainitsee DeepL:n tilaaman sokkotestin, jonka teki alan julkaisu Slator. Siinä 96 prosenttia kyselyyn vastanneista kielialan ammattilaisista piti DeepL Voicea parempana kuin Googlen, Microsoftin ja Zoomin omia käännöstyökaluja. Testi koski DeepL Voicea, eikä lähde kerro, oliko Aure mukana. DeepL:n tuotesivu käyttää eri mittaria: sen mukaan kokouskäännöksissä on 76 prosenttia vähemmän kriittisiä käännösvirheitä kuin alustojen omissa työkaluissa.

Trending Topicsin mukaan myös Google Meetin käännös ja Microsoft Teamsin Interpreter-agentti pyrkivät jäljittelemään puhujan ääntä.

Saatavuus ja tietosuoja

Aure on käytössä automaattisesti DeepL Voicen kokous- ja kasvokkaiskäytössä sekä DeepL:n puhekäännösrajapinnassa. Tuotesivun mukaan DeepL Voicea voi kokeilla maksutta, ja kokousversio toimii Microsoft Teamsissa, Zoomissa ja Google Meetissä.

Alussa tuetut kielet ovat englanti, saksa, espanja, ranska, italia, japani, portugali ja korea. Muilla kielillä DeepL Voice käyttää edelleen aiempia malleja. DeepL lupaa lisää kieliä.

Tuotesivun mukaan Aure ei luo eikä tallenna pysyvää ääniprofiilia. Äänidata käsitellään muistissa ja poistetaan istunnon päätyttyä, eikä kokousdataa käytetä DeepL:n mallien koulutukseen.