Die Sprachübersetzungstechnologie von DeepL macht einen Sprung nach vorne. Die neue Voice-Technologie mit verbesserten Sprachmodellen löst ein Problem, das bei automatisierten Übersetzungen lange bestanden hat: Die Originalstimme geht verloren. Künftig bleiben bei Live-Übersetzungen der persönliche Klang des Sprechers, sein individuelles Sprechtempo und die emotionalen Nuancen seiner Rede erhalten.
Das ist ein fundamentaler Unterschied zu bisherigen Lösungen. Bislang wurde Sprache übersetzt und anschliessend maschinell in einer generischen, emotionslosen Stimme ausgegeben. Das funktioniert zwar für die reine Informationsvermittlung, wirkt aber künstlich und verliert den menschlichen Kontakt. Die neuen Sprachmodelle von DeepL imitieren die Stimmeigenschaften des Sprechers so genau, dass Zuhörer das Gefühl haben, mit derselben Person zu sprechen, nur eben in ihrer eigenen Sprache.
Technisch ist dies eine komplexe Aufgabe. Das System muss nicht nur Wort für Wort übersetzen, sondern auch Merkmale wie Tonhöhe, Lautstärkeschwankungen, Pausen und Betonung erfassen und auf die übersetzte Sprache übertragen. Bei Live-Simultanübersetzung erschwerend hinzu kommt die Notwendigkeit, dies in Echtzeit zu leisten.
Für Geschäftsanwendungen ergibt sich daraus grosses Potenzial. Internationale Konferenzen, Webinare, Kundenreden und Verkaufspräsentationen werden authentischer, wenn die Stimme des Redners erhalten bleibt. Ein KMU, das mit internationalen Kunden kommuniziert, kann damit Sprachbarrieren senken, ohne den persönlichen Touch zu verlieren. Auch bei der Aufzeichnung von Trainingsmaterialien oder Unternehmensvideos mit mehrsprachigen Zielgruppen bietet sich ein Einsatz an. Dies könnte besonders für kleinere Unternehmen interessant sein, die bislang teure Dolmetscherservices oder separate Aufnahmen in verschiedenen Sprachen brauchten. DeepL Voice könnte solche Prozesse vereinfachen und kostengünstiger gestalten.