2026 年 6 月 17 日，德国翻译 AI 公司 DeepL 宣布，旧金山实时音频技术公司 Mixhalo 的团队与技术加入公司，同时开设首个旧金山办公室。收购将帮助 DeepL 把已有的语音翻译服务扩展到更大规模的活动，也进一步扩大其美国业务。
把翻译结果送到大型活动观众的耳机里
DeepL 自 2017 年推出翻译服务以来，主要以文本与文档翻译建立用户基础。CEO Jarek Kutylowski 希望把服务范围扩展到更多实时交流场景。
Kutylowski 在收购公告中表示，Mixhalo 团队解决了向大量听众同时传送高质量音频的问题，可以帮助 DeepL Voice 服务更大、更复杂的现场。双方此前已有合作，DeepL Voice API 已用于 Mixhalo 的现场音频平台。
Mixhalo 的核心技术是低延迟音频流传输。在体育场馆、音乐会或大型会议中，其系统将音频送到观众的个人设备，让用户通过自己的耳机收听。公司已经服务过体育赛事、音乐会和企业会议，公告列举了 MLB、NASCAR、CES 等活动。
结合 DeepL 的翻译引擎与 Mixhalo 的音频分发技术，主办方可以尝试提供多种语言的现场服务。例如，在国际技术大会上，英语演讲经翻译后传到不同听众的手机中。最终体验还取决于翻译耗时、网络和终端，音频传输快不等于整段翻译没有延迟。
DeepL 已经提供会议和面对面对话翻译，Mixhalo 补充的是面向大量听众的分发能力。收购后的工作，是把翻译语音、字幕和音频基础设施进一步整合，让现场服务稳定运行。
在旧金山开设办公室，接近美国客户与开发者
总部位于德国科隆的 DeepL，长期把翻译作为主要业务。与提供多种通用 AI 服务的公司相比，它更需要在具体语言、专业术语和企业使用体验上形成优势。
其他公司也在推进实时翻译。Google 于 2026 年 6 月 9 日发布 Gemini 3.5 Live Translate，向开发者提供公开预览，并开始在 Google Translate 推出；Google Meet 计划当月向部分企业客户提供私有预览。ChatGPT 等通用助手的语音功能，也让用户有了更多跨语言交流的选择。
DeepL 选择进一步整合翻译模型与现场音频服务。大型活动除了需要准确翻译，还需要同时服务大量设备、处理网络波动，并与主办方的音响和运营流程配合。Mixhalo 的现场经验有助于减少这部分开发与验证工作。
旧金山办公室使 DeepL 更接近美国客户、合作伙伴与开发者。公司将美国称为增长最快的市场，Mixhalo 团队加入也为当地业务和技术合作提供了基础。
翻译、音频分发和现场拾音，需要一起控制延迟
实时翻译需要跟上说话节奏。相比用户可以反复查看的文档，现场口语对等待时间和语句连贯性更敏感；可接受的延迟也会随对话、演讲和字幕等场景而变化。
Mixhalo 主要负责把音频送达用户。联合创始人 Vik Singh 在公告中称，公司目标是以 20 毫秒以内的延迟分发音频；这不包括识别、翻译和语音合成的全部时间。完整服务需要同时优化各环节，避免翻译结果不断落后于发言。
现场环境也增加了难度。体育场馆和音乐会存在背景噪声，系统需要从合适的音源获得清晰语音，再完成识别、翻译和播放。数千乃至数万人同时接入时，还要考虑无线网络容量、设备差异和连接稳定性。
多语种并行是另一重复杂度。一场国际会议可能涉及 10 种以上的语言，系统需要同时处理多组翻译，并控制各语言的质量和延迟。文本翻译与语音产品的语言覆盖可能不同，主办方还需逐项确认所需语言和术语能否得到可靠支持。
收购能否扩大业务，要看现场部署效果
这次收购把 DeepL 的翻译能力、Mixhalo 的音频技术和现场运营经验组合起来。它扩大了产品可服务的场景，也让公司更接近美国客户。能否形成长期优势，要看准确性、延迟和可靠性能否一起满足活动要求。
国际会议、跨国演出和体育赛事，都可能产生多语言服务需求。但这些活动的音源、预算、观众规模和语言组合不同，产品需要在实际部署中逐步验证。对 Kutylowski 和团队而言，整合后的服务能否方便主办方采用，是把技术合作转成持续业务的重要条件。
后续值得观察的是更多活动中的实际表现：观众能否听清翻译，延迟是否可接受，以及主办方需要投入多少设备与现场支持。
