DeepL、言語の壁なくすリアルタイム音声翻訳「DeepL Voice」

DeepL ジャパンは2日、リアルタイム音声翻訳サービス「DeepL Voice」に関する報道関係者向け説明会を開催した。DeepL Voiceは、対面やオンラインの場で言語の壁を感じさせない円滑なコミュニケーションを支援するサービス。 同サービスでは、主なソリューションとして、Web会議向け「DeepL Voice for Meetings」と、対面会話向け「DeepL Voice for Conversations」の2つを用意する。 いずれもビジネス利用を想定し、高い専門性と安全性を備えることを特徴とする。専門性については、一般的なWeb会議システムの翻訳機能と比べて、翻訳精度や画面の見やすさに優れると説明。致命的な誤訳や字幕のちらつきを抑え、日本語特有の複雑な構造にも対応しながら自然な翻訳を実現し、ハルシネーションも抑制できるという。 安全性の面では、翻訳データを即座に削除し、AI学習には利用しない仕様となっているほか、最新の暗号化技術を備え、GDPR(EU一般データ保護規則)にも準拠することで、機密性の高いビジネス情報を安全に扱えるとしている。 DeepL Voice for Meetingsは、Microsoft TeamsやZoomといったWeb会議ツールと連携して、ブラウザから利用できるWeb会議向けAI字幕翻訳ソリューション。発話内容はリアルタイムで翻訳と文字起こしが行なわれるため、複数言語が飛び交う会議でも、聞き返しによる中断を減らせるという。 同ソリューションの企業での実証実験では、1人あたり年間194時間の業務時間削減と、年間約96万円相当のコスト削減効果が確認されたという。また、会議前後の準備や確認作業が26%削減され、リアルタイム文字起こしによって議事録作成も大幅に効率化されたとする。 DeepL Voice for Conversationsは、スマートフォン1台で目の前の相手とリアルタイムに対面会話ができる、AI字幕翻訳をリアルタイム表示する音声翻訳ソリューション。モバイルアプリとWebブラウザから利用でき、海外出張、現場視察、受付対応などでの利用を想定する。 会話テキストを並べて表示するデフォルトのモードのほか、対面での利用に適した上下分割の対面モードを用意。話し終えると自動で録音を停止して翻訳へ移る設定や、翻訳文の読み上げ速度の変更などのカスタマイズにも対応する。 DeepL Voice提供の背景には、多国籍企業における深刻な言語の壁がある。現場では、会話がかみ合わない、会議に時間をかけても結論に至らないといった課題があり、調査では、多国籍企業の会議時間の約34%が言語の壁によって失われ、会議内容の正確な理解度も約60%にとどまるという。 こうした状況は、ノウハウが現場に伝わりにくくなり、認識のずれによる確認作業が増え、生産性の低下や知見の取りこぼしにつながっている。DeepLは、これを個人の語学力の問題ではなく、企業全体で解決すべき課題と捉え、語学力に依存せず自然に話し、理解しあえる働き方を実現するために、DeepL Voiceの提供に至ったとする。 説明会では、開発中の音声から音声への直接翻訳機能「Voice to Voice翻訳」も紹介された。Voice to Voice翻訳は、話者の声質を維持したままリアルタイムで音声から音声へ翻訳できる機能。 音声を文字起こしする技術や話者の声を再現する技術、低遅延技術を組み合わせることで、発話から翻訳までの待ち時間をなくし、安定した音声翻訳を実現するという。2026年の提供開始を目指しており、日本語への対応も予定している。 ■ 翻訳機能を組み込める「DeepL API」も紹介 説明会では、「DeepL API」についても紹介。自社システムや製品に翻訳機能を組み込むためのもので、高い翻訳精度や処理速度、専門用語への対応などを特徴とする。 導入事例として紹介されたNotionの事例では、言語の壁を下げてグローバル展開を後押ししたほか、アプリ内で翻訳を完結できることでシームレスなユーザー体験を実現し、手作業による翻訳業務の自動化によって運用コストの削減にもつながったという。 DeepL APIでは、1つの入力言語から最大5言語への同時翻訳も可能で、多国籍の参加者が集まるイベントなどでの活用を見込む。

DeepL ジャパンは2日、リアルタイム音声翻訳サービス「DeepL Voice」に関する報道関係者向け説明会を開催した。DeepL Voiceは、対面やオンラインの場で言語の壁を感じさせない円滑なコミュニケーションを支援するサービス。 同サービスでは、主なソリューションとして、Web会議向け「DeepL Voice for Meetings」と、対面会話向け「DeepL Voice for Conversations」の2つを用意する。 いずれもビジネス利用を想定し、高い専門性と安全性を備えることを特徴とする。専門性については、一般的なWeb会議システムの翻訳機能と比べて、翻訳精度や画面の見やすさに優れると説明。致命的な誤訳や字幕のちらつきを抑え、日本語特有の複雑な構造にも対応しながら自然な翻訳を実現し、ハルシネーションも抑制できるという。 安全性の面では、翻訳データを即座に削除し、AI学習には利用しない仕様となっているほか、最新の暗号化技術を備え、GDPR(EU一般データ保護規則)にも準拠することで、機密性の高いビジネス情報を安全に扱えるとしている。 DeepL Voice for Meetingsは、Microsoft TeamsやZoomといったWeb会議ツールと連携して、ブラウザから利用できるWeb会議向けAI字幕翻訳ソリューション。発話内容はリアルタイムで翻訳と文字起こしが行なわれるため、複数言語が飛び交う会議でも、聞き返しによる中断を減らせるという。 同ソリューションの企業での実証実験では、1人あたり年間194時間の業務時間削減と、年間約96万円相当のコスト削減効果が確認されたという。また、会議前後の準備や確認作業が26%削減され、リアルタイム文字起こしによって議事録作成も大幅に効率化されたとする。 DeepL Voice for Conversationsは、スマートフォン1台で目の前の相手とリアルタイムに対面会話ができる、AI字幕翻訳をリアルタイム表示する音声翻訳ソリューション。モバイルアプリとWebブラウザから利用でき、海外出張、現場視察、受付対応などでの利用を想定する。 会話テキストを並べて表示するデフォルトのモードのほか、対面での利用に適した上下分割の対面モードを用意。話し終えると自動で録音を停止して翻訳へ移る設定や、翻訳文の読み上げ速度の変更などのカスタマイズにも対応する。 DeepL Voice提供の背景には、多国籍企業における深刻な言語の壁がある。現場では、会話がかみ合わない、会議に時間をかけても結論に至らないといった課題があり、調査では、多国籍企業の会議時間の約34%が言語の壁によって失われ、会議内容の正確な理解度も約60%にとどまるという。 こうした状況は、ノウハウが現場に伝わりにくくなり、認識のずれによる確認作業が増え、生産性の低下や知見の取りこぼしにつながっている。DeepLは、これを個人の語学力の問題ではなく、企業全体で解決すべき課題と捉え、語学力に依存せず自然に話し、理解しあえる働き方を実現するために、DeepL Voiceの提供に至ったとする。 説明会では、開発中の音声から音声への直接翻訳機能「Voice to Voice翻訳」も紹介された。Voice to Voice翻訳は、話者の声質を維持したままリアルタイムで音声から音声へ翻訳できる機能。 音声を文字起こしする技術や話者の声を再現する技術、低遅延技術を組み合わせることで、発話から翻訳までの待ち時間をなくし、安定した音声翻訳を実現するという。2026年の提供開始を目指しており、日本語への対応も予定している。 ■ 翻訳機能を組み込める「DeepL API」も紹介 説明会では、「DeepL API」についても紹介。自社システムや製品に翻訳機能を組み込むためのもので、高い翻訳精度や処理速度、専門用語への対応などを特徴とする。 導入事例として紹介されたNotionの事例では、言語の壁を下げてグローバル展開を後押ししたほか、アプリ内で翻訳を完結できることでシームレスなユーザー体験を実現し、手作業による翻訳業務の自動化によって運用コストの削減にもつながったという。 DeepL APIでは、1つの入力言語から最大5言語への同時翻訳も可能で、多国籍の参加者が集まるイベントなどでの活用を見込む。