Qwen3.8-LiveTranslate – 阿里通義推出的實時同聲傳譯模型

Qwen3.8-LiveTranslate是什麼

Qwen3.8-LiveTranslate是阿里通義千問推出的實時同聲傳譯大模型，採用Interleave架構重構，字均延遲從2.8秒降至2.3秒，支持60種語言。模型具備實時說話人分離與音色克隆、原文譯文同幀同出、長上下文消歧三大能力，可識別視頻/音頻輸入，端到端輸出雙語文本及保留原音色的譯文語音，適用跨國會議、跨境直播、視頻本地化等場景，已通過千問AI平台開放API。

Qwen3.8-LiveTranslate的主要功能

• 實時同傳：基於Interleave架構的音頻-文本單流處理，字均延遲僅2.3秒，邊聽邊譯。
• 說話人分離：多人交替發言時自動區分各說話人，並分別復刻其音色生成譯文語音。
• 雙語同幀輸出：原文與譯文同步同屏呈現，便於即時理解與原文覈對。
• 長上下文消歧：結合前文語境理解當前語句，讓人名、術語、指代翻譯更準確一致。
• 多語言互譯：支持60種語言識別輸入、29種語言語音輸出。
• 視覺信息輔助：支持視頻/圖像輸入，藉助畫面內容輔助翻譯消歧。

Qwen3.8-LiveTranslate的技術原理

• Interleave 單流架構：Qwen3.8-LiveTranslate 將同傳重構爲音頻與文本交織的單流形式，已聽音頻和已出譯文均緩存複用，避免每句話從頭處理，在提升翻譯質量的同時將字均延遲從 2.8 秒壓縮至 2.3 秒。
• Thinker–Talker 雙模塊設計：模型採用基於 Hybrid MoE 的 Thinker–Talker 結構。Thinker 將視頻、音頻、原文與譯文編排進同一條因果序列，按時序交替排列、端到端完成理解與翻譯；Talker 結合譯文與源音頻，合成保留原說話人音色的譯文語音。
• 實時說話人分離：面對多人交替發言場景，模型在翻譯前先完成 Diarization，將每句話歸屬到具體說話人，並據此指導 Talker 爲該說話人穩定復刻其音色，保證譯文語音”聽得出是誰說的”。
• 長上下文消歧：模型將歷史對話納入上下文建模，跨輪關聯前文信息，避免僅憑單句判斷導致專有名詞、人名、指代出現歧義，保證多人長對話中術語與表達的前後一致。
• 雙語同步輸出機制：架構設計上原文與譯文在同一條交織序列中對齊生成，天然支持同幀同出，使雙語字幕、內容整理與檢索等下游應用無需額外對齊處理。

如何使用Qwen3.8-LiveTranslate

• 打開網址 https://omni.qwen.ai/live-translate。
• 允許麥克風權限，選擇源語言和目標語言。
• 直接開始說話，可看到實時雙語字幕並聽到譯文朗讀。

• 登錄千問 AI 平台，獲取 API Key。
• 調用 https://www.qianwenai.com/models/qwen3.8-livetranslate-flash-realtime 模型的實時接口，傳入音頻流。
• 接收返回的雙語文本和譯文語音即可。

Qwen3.8-LiveTranslate的核心優勢

• 低延遲：Interleave 架構讓字均延遲從 2.8 秒降至 2.3 秒，已聽音頻和已出譯文可緩存複用，翻譯更快更流暢。
• 說話人分離 + 音色克隆：多人交替發言時精準區分說話人，譯文語音分別復刻各自音色，交流信息歸屬清晰。
• 雙語同幀同出：原文與譯文同步呈現，兼顧即時理解與原文覈對，天然適配字幕、內容整理、檢索等場景。
• 長上下文消歧：跨輪關聯歷史語境，解決單句判斷的歧義問題，人名、術語翻譯前後一致更精準。
• 60 種語言廣覆蓋：支持 60 種語言識別、29 種語言語音輸出，滿足多語種實時交流需求。

Qwen3.8-LiveTranslate的同類競品對比

Qwen3.8-LiveTranslate的應用場景

• 跨國會議：多人發言時自動區分說話人並復刻音色實時翻譯，讓與會者彷彿在同語種交流。
• 跨境直播：爲主播輸出雙語同步字幕和譯文語音，幫助直播內容無障礙觸達全球觀衆。
• 視頻本地化：輸入視頻即可生成對齊的雙語字幕和配音，大幅簡化影視、課程內容的譯製流程。
• 國際展會/會展：爲參展雙方的現場交流提供低延遲同傳，減少專業譯員成本。
• 出海企業客服與培訓：支撐海外客戶的實時語音諮詢和跨語種員工培訓，提升全球化服務效率。