日本DeepL公司于9月29日举办了关于其实时语音翻译功能“DeepL Voice”的媒体简报会，展示了从语音到语音的实时翻译演示。
同时，还演示了能够再现说话人本人声音特质的“说话人匹配”功能，以及支持与主要AI代理直接连接的标准协议“MCP（Model Context Protocol）”。
桌面应用发布及“语音到语音翻译”的进步
在9月的更新中，DeepL Voice的主要进展是除了原有的网页浏览器环境外，新增了适用于日本国家macOS和Windows的桌面应用程序。
通过该应用，用户可以自动检测Microsoft Teams、Zoom、Google Meet等在线会议工具中的对话，并通过一键启动实时翻译。
此外，支持将翻译结果以覆盖层形式显示在屏幕边缘或资料空白处，具备自动检测说话语言、企业术语库和正式度设置的自定义功能。
此次更新使得通过桌面应用实现的“语音到语音翻译”更加自然。
在线会议中，参与者用自己的语言发言时，系统会实时将内容翻译成对方语言并播放，同时通过分析说话人的音调和音高，利用“说话人匹配”功能以其原声质感再现翻译音频。
此前，系统只能从预设的男性或女性声音中选择，导致多语言会议中难以区分发言者。通过说话人匹配，能够从视觉和听觉两方面识别发言者，同时保持语调和细微差别，减少长时间会议中的听觉疲劳。
MCP支持实现AI代理直接调用DeepL翻译
在文本和文档翻译领域，DeepL已支持MCP协议，增强了与AI工具的联动。
用户现在可以通过支持MCP的AI代理，如ChatGPT、Claude、Microsoft Copilot，直接调用DeepL的高质量翻译引擎。
过去，用户需要手动复制粘贴文本或文件在AI代理和DeepL之间切换。引入MCP后，只需在AI代理聊天界面输入“请将此文档翻译成日语”等指令，DeepL便会在后台处理，返回保持排版的文档翻译、文本润色及指定术语库应用的结果。
用户可预先设置，让AI代理处理日常对话，复杂的文件翻译任务则交由DeepL完成，实现灵活的工作流程。持有DeepL Translator现有许可的用户可免费使用该功能。
通过开发下一代单一语音模型减少延迟
演示结束后，DeepL日本解决方案顾问玉井宏明回答了记者关于语音翻译延迟问题及未来展望的提问。
目前DeepL的语音翻译流程包括三个步骤：语音转文本、文本翻译、再将翻译文本合成为语音，因此存在语序差异和处理链条带来的时间延迟。
为根本解决这一问题，DeepL正在开发一种“单一语音模型”，该模型可直接从输入语音生成翻译语音，无需中间文本转换。
该模型投入使用后，处理延迟将大幅降低，同时克服其他技术难题，推动语音翻译向更自然、更人性化的交流方式发展。
