DeepL Aure: Neues KI-Modell überträgt Emotionen und Tonfall in Echtzeit
Veröffentlicht am: 11.11.2026 um 12:54 Uhr | Redaktion boerse-global.de
Der Kölner Übersetzungsspezialist DeepL hat mit Aure ein neues KI-Modell für Sprache vorgestellt. Das System wird ab sofort automatisch und ohne manuelle Konfiguration über DeepL Voice für Online-Meetings, persönliche Gespräche sowie über die Voice-API bereitgestellt. Nach Unternehmensangaben handelt es sich um das bisher dynamischste und ausdrucksstärkste Sprachmodell des Anbieters.
Aure analysiert eingehende Sprache fortlaufend anhand der übersetzten Wörter sowie des Quell-Audios. Auf dieser Basis überträgt das Modell Tonfall, Emotionen, Betonung und Sprechtempo in Echtzeit in die Zielsprache. Bei früheren Lösungen bestimmte lediglich ein statisches Stimmbeispiel zu Beginn des Gesprächs die spätere Audioausgabe.
Direkte Sprachkonvertierung ohne Zwischenschritte
Technisch basiert das System auf einem getrennten Training von Stimmidentität, Prosodie und Inhalt, kombiniert mit Reinforcement Learning. Das End-to-End-Modell übersetzt Sprache direkt von Audio zu Audio, ohne den Zwischenschritt einer Transkription in Text. Damit baut Aure auf einer bereits im September 2026 vorgestellten Technologie zur Stimmbewahrung auf.
DeepL-Chef Jarek Kutylowski bezeichnete das Modell als wesentlichen Schritt, um die individuellen Merkmale eines Sprechers auch beim Wechsel in eine andere Sprache zu erhalten, da die eigene Stimme ein Kernelement der persönlichen Identität bilde.
Der Einsatz solch fortschrittlicher Technologien erfordert in Unternehmen ein klares Verständnis der rechtlichen Rahmenbedingungen. Dieser kostenlose Download verschafft Ihnen den Überblick über Fristen, Pflichten und Risikoklassen, den Ihre Rechts- und IT-Abteilung jetzt dringend braucht. EU AI Act in 5 Schritten verstehen
Laut Vikram Singh, Leiter Voice Engineering bei DeepL, verhindert die direkte Audio-zu-Audio-Übersetzung mitsamt Tempoangleichung die Verzögerungen bei der Sprachausgabe, die bei bisherigen Verfahren auftreten konnten.
Als zentrale Herausforderungen der Echtzeit-Verarbeitung nannte Singh abweichende Sprechzeiten zwischen Sprachen sowie Unterschiede in der Satzstellung. So entscheide etwa im Koreanischen oft erst eine spätere Information über die Gesamtaussage, was ein Zuhören bis zum Satzende erfordere.
Zusätzlich filtert die Software Hintergrundgeräusche, Echos und Verzerrungen heraus, um Intonationsfehler zu minimieren. Bei der Übertragung setzt das System unter anderem auf MixHalo-Technik, die Audiosignale in unter 100 Millisekunden, teils in 20 Millisekunden übertrug und bereits im September 2026 auf der Konferenz Salesforce Dreamforce eingesetzt wurde.
Datenschutz und internationale Sprachunterstützung
Beim Datenschutz sieht das Konzept vor, dass weder Besprechungsprotokolle noch Übersetzungen dauerhaft gespeichert werden. Sämtliche verarbeiteten Daten werden nach Beendigung der jeweiligen Sitzung vollständig aus dem Arbeitsspeicher gelöscht.
Da die EU-KI-Verordnung neue Regeln für die Dokumentation und den Einsatz von Systemen aufstellt, sollten Verantwortliche die aktuellen Anforderungen genau prüfen. Dieser kostenlose Report klärt auf, welche KI-Systeme als Hochrisiko gelten und was Unternehmen jetzt konkret tun müssen. Kostenlosen Umsetzungsleitfaden zum AI Act herunterladen
Zum Start unterstützt Aure acht Sprachen: Deutsch, Englisch, Französisch, Italienisch, Japanisch, Koreanisch, Portugiesisch und Spanisch. Weitere Sprachen befinden sich in der Planung; andere Sprachkombinationen werden vorerst über die bestehenden Modelle abgewickelt. Zu den bisherigen Kunden der Sprachlösungen zählen unter anderem die Pioneer Corporation, Aramark, Avendra International und Inetum.
Zudem wurde DeepL Voice vom US-Magazin Fast Company in die Liste der zukunftsträchtigen Technologien des Jahres 2026 in der Kategorie für angewandte KI aufgenommen. Künftig will das Unternehmen den Schwerpunkt auf ein tieferes Sprachverständnis sowie schnellere, stabilere und präzisere Übersetzungen legen.
