Este artículo presenta Babel, un novedoso marco de trabajo para mejorar la preservación del estilo en la traducción automática neuronal (NMT). A diferencia de los enfoques existentes de preservación del estilo que requieren corpus paralelos, Babel utiliza únicamente un corpus monolingüe. Babel consta de dos componentes principales: un detector de estilo que identifica inconsistencias de estilo basándose en incrustaciones contextuales y un aplicador de estilo basado en difusión que corrige inconsistencias de estilo manteniendo la integridad semántica. Puede integrarse como módulo de posprocesamiento en sistemas NMT existentes, lo que permite una traducción con estilo sin necesidad de cambios en la arquitectura ni datos de estilo paralelos. Experimentos exhaustivos en cinco dominios diferentes (derecho, literatura, artículos científicos, medicina y contenido educativo) demuestran que Babel identifica inconsistencias de estilo con una precisión del 88,21 % y mejora la preservación del estilo en un 150 %, manteniendo una alta similitud semántica de 0,92. Las evaluaciones humanas también confirman que las traducciones mejoradas con Babel preservan mejor el estilo del texto original, manteniendo la fluidez y la pertinencia.