DeepL今天发布了实时语音翻译工具，目标场景是跨语言会议。可以接入Zoom和微软Teams，开会时听众直接听翻译音频，或者看实时字幕，说话的人照常说母语。 🎙️ 我在游戏圈工作那几年，最麻烦的事情之一就是和日本方、韩国方或者欧洲的合作伙伴开会。基本要么提前安排翻译，要么靠双方各自勉强用第二语言，很多信息在这个过程里就丢失了——不是不想说清楚，是表达精确度不够。 DeepL在文字翻译领域一直是质量最好的选项之一，尤其是欧洲语言。这次延伸到语音，他们做的是"语音转文字 → 翻译 → 文字转语音"的串联流程，不是端到端的语音翻译。CEO说他们正在研发跳过中间文字步骤的模型，目前还没有做到。 串联流程有个天然问题：延迟。说话 → 出翻译音频中间的时间差，太长了体验就很糟。DeepL的CEO说他们在延迟和准确率之间做了大量权衡调整。 📱 除了会议，他们还做了几个场景： - 手机/网页面对面对话：两个人互相对着同一设备讲话，翻译给对方 - 群体场景：类似培训和工作坊，参与者扫个二维码就能收到翻译 - 支持自定义词汇：可以训练行业术语和人名识别 开发者API也开放了，可以用来做电话客服系统这类定制场景。 💡 竞争方面，DeepL不是唯一做这块的。同类产品里还有Palabra（Reddit联创背书）专注保留说话人声音的感情色彩，Sanas主攻实时口音转换，Camb.AI主要做影视本地化。 DeepL的差异化在翻译质量。他们做文字翻译已经多年，积累了大量高质量训练数据，特别是对欧洲语言支持很扎实。如果这个优势能迁移到语音翻译上，质量应该有保证。 目前还在早期访问阶段，企业可以申请加入等待列表。对需要跨语言协作的团队，这个方向值得跟一下。 #实时翻译 #DeepL #语音AI #跨语言办公 #AI工具 #远程工作 #科技新闻