- 发布日期
阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，支持原文译文同帧同出
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
9月19日，阿里千问正式发布同声传译大模型Qwen3.8-LiveTranslate。该模型采用Interleave架构重构实时同传，将字均延迟（LAAL）从2.8秒降至2.3秒，在准确度、流畅度和简洁度上实现全面提升。
实时同传一直是人工智能翻译领域的难点，传统方案往往需要在理解、翻译和语音合成之间进行多阶段处理，导致延迟较高且说话人音色难以保留。此次发布的Qwen3.8-LiveTranslate在支持60种语言的基础上，新增了多项针对真实场景的能力。
官方介绍，该模型新增的三项能力包括：实时说话人分离，确保每句话归属清晰，音色复刻更稳定；原文译文同帧同出，实现双语同屏显示；长上下文消歧，能够联系前文理解当下内容，使人名和术语翻译更加精准。
在技术架构上，Qwen3.8-LiveTranslate采用基于Hybrid MoE的Thinker–Talker双模块设计。Thinker模块将视频、音频、原文与译文编排进同一条因果序列，按时序交替排列并端到端产出，使理解与翻译在单一序列内完成；Talker模块则结合译文和源音频，将译文合成为保留原说话人音色的语音。
在覆盖14个语向的多说话人长音频评测集Omnilingua-MSpeaker上，该模型在翻译忠实度、流畅度、简洁度以及说话人识别错误率（DER）四个维度上均优于行业主流实时同传系统。此外，在公开FLEURS音频测试集上，针对70个语言方向的评测中，该模型在翻译质量、字均延迟、语音识别准确率和语音合成质量四个维度上领先于上一代及当前主流系统。
这一发布意味着实时同传技术在多说话人场景下的实用化迈出重要一步。通过将理解、翻译与语音生成统一在一个序列中，模型能够更好地处理长音频和复杂对话，让同传更广泛地应用于真实场景。
目前，阿里千问已开放该模型的尝鲜体验和API接口，开发者可将其集成到各类应用中。随着模型能力的持续迭代，实时同传有望在更多语言方向和垂直领域发挥价值。
