¿Cuántas veces una reunión se enfría porque una frase tarda demasiado en cruzar de un idioma a otro? En el trabajo remoto, en una videollamada o en una charla cara a cara, ese segundo de más puede sentirse como un pequeño apagón.
Ese es el problema que DeepL dice haber atacado con su nuevo lanzamiento: una suite de traducción de voz a voz en tiempo real. El hallazgo no es menor, porque la empresa, conocida por su motor de texto, ahora quiere llevar ese mismo mecanismo a reuniones, conversaciones en móvil y web, y también a intercambios grupales dentro de empresas.
Además, presentó una API, una interfaz para que otras aplicaciones usen su tecnología, con la que desarrolladores y compañías pueden montar soluciones a medida. Ahí aparece una oportunidad clara para centros de atención telefónica, soporte técnico y equipos que necesitan hablar con clientes en idiomas donde cuesta encontrar personal cualificado.
Jarek Kutylowski, CEO de DeepL, explica que el salto hacia la voz era natural después de años de trabajo en traducción de texto y documentos. También subraya una pieza clave del reto: lograr baja latencia, es decir, una respuesta casi inmediata, sin romper la precisión del mensaje.
Por eso DeepL ya trabaja en un modelo de extremo a extremo, una arquitectura que iría de voz a voz sin pasar por texto. Sería como reemplazar tres interruptores por uno solo. Menos engranajes visibles, menos demora y una conversación más natural.
El interruptor entre velocidad y precisión
Mientras tanto, la compañía aprovecha su ventaja central: su experiencia previa en traducción escrita. Según DeepL, esa base le permite ajustar mejor el sentido de una frase y adaptarse a vocabulario personalizado, desde términos de industria hasta nombres propios que suelen ser el punto débil de estos sistemas.
La aplicación práctica ya está definida. Habrá complementos para Zoom y Microsoft Teams con dos opciones: escuchar la traducción en vivo o seguirla en texto en pantalla. También ofrece un producto para conversaciones en móvil y web, tanto presenciales como remotas.
En entornos grupales, como talleres o formaciones, el mecanismo suma otra pieza útil: códigos QR para que varios participantes se conecten a la misma traducción. Es una solución simple, casi de oficina, para un problema que antes exigía intérpretes, equipos dedicados o una paciencia poco realista.
El programa, por ahora, está en acceso anticipado y con lista de espera para organizaciones. No llega en un mercado vacío. DeepL compite con Sanas, que ha recaudado 65 millones de dólares y modifica acentos en tiempo real; con Camb.AI, enfocada en doblaje y localización; y con Palabra, que busca preservar la voz original del hablante.
Qué puede cambiar en la rutina diaria
La clave no está solo en entender palabras, sino en reducir fricción. En atención al cliente, esa capa de traducción puede abrir soporte en idiomas hoy desatendidos. En una empresa global, puede evitar que una idea buena se pierda porque alguien no llegó a decirla a tiempo.
DeepL asegura que controla toda la pila tecnológica, es decir, todas las capas del sistema, desde el procesamiento hasta la salida final. Ese control le da margen para ajustar cada engranaje y perseguir un objetivo que parece simple, aunque no lo sea: que la tecnología deje de sentirse como intermediaria.
Si funciona como promete, la traducción de voz puede pasar de ser una herramienta llamativa a convertirse en algo más cotidiano: un interruptor silencioso que se enciende cuando hace falta y deja que la conversación siga fluyendo.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
