DeepL 进军语音翻译:文本巨头为何押注“声音”

2026 年 4 月,以文本翻译闻名的 DeepL 正式发布语音翻译套件 DeepL Voice,覆盖会议同传、移动与网页对话、一线员工群组沟通等场景,并同步推出面向 Zoom 与 Microsoft Teams 的插件(早期访问阶段)以及开发者 API。DeepL CEO 在采访中表示:“在文本翻译上耕耘多年之后,语音是自然的下一步——市面上还缺少真正优秀的实时语音翻译产品。”

技术上,DeepL 目前采用“语音转文字—翻译—文字转语音”的级联架构,并强调其多年文本翻译积累构成质量优势;同时明确正在研发跳过文字中间步骤的端到端语音翻译模型。这一路线与谷歌、苹果等厂商的方向一致:级联架构保证当下质量,端到端模型决定未来上限。

DeepL 入场的行业意义在于竞争格局的改变:实时语音翻译此前由会议平台自带功能与初创公司分食,如今拥有企业级客户基础与品牌信任的文本翻译巨头加入,意味着该赛道正式进入平台化竞争阶段。企业客户将越来越倾向于在统一的语言技术平台内,同时解决文本、文档与语音的多语言需求。

对采购方的提示是:语音翻译的“可用”与“可担责”之间仍有距离。会议记录级、沟通辅助级的需求可以大胆采用 AI 语音翻译;但涉及谈判承诺、医疗告知、法律程序的场景,专业口译员仍是不可替代的责任主体。我们持续关注并测试各平台能力,以为客户提供基于场景风险的选型建议。