阿里千问今日正式发布同声传译大模型Qwen3.8-LiveTranslate。该模型采用 Interleave 架构对实时同传流程进行重构，在忠实度、流畅度与简洁度三项核心指标上实现全面提升，字均延迟（LAAL）从上一代的 2.8 秒降至 2.3 秒。
- 官方介绍：https://qwen.ai/blog?id=qwen3.8-livetranslate
- API：https://help.aliyun.com/zh/model-studio/qwen3-8-livetranslate-flash-realtime
- Demo：https://omni.qwen.ai/live-translate
不同于单纯追求翻译速度的传统方案，Qwen3.8-LiveTranslate 强调“听得清、译得准”的综合体验。模型支持 60 种语言互译，并针对真实场景中的多说话人、术语歧义、双语对照等痛点，新增了三项工程化能力，使同传输出更贴近人类译员的实际工作模式。
三项新增能力：解决真实场景同传痛点
为提升同传在会议、访谈、直播等复杂环境下的可用性，Qwen3.8-LiveTranslate 在基础翻译之外集成了以下功能：
- 实时说话人分离：自动识别并标注每句话的归属者，同时稳定复刻原说话人音色，避免多人对话时译文混淆或声音失真。
- 原文译文同帧同出：支持双语内容在同一画面中同步呈现，便于观众对照理解，尤其适用于字幕生成、跨境直播等视觉强关联场景。
- 长上下文消歧：结合前文语境动态解析当前语句，显著提升人名、专业术语及代词指代的翻译准确性，减少因孤立翻译导致的语义偏差。
这三项能力并非独立模块，而是深度嵌入同传主链路，确保在不增加额外延迟的前提下完成信息增强。
技术架构：Thinker–Talker 双模块与 Interleave 序列编排
Qwen3.8-LiveTranslate 采用基于 Hybrid MoE 的 Thinker–Talker 双模块设计，通过 Interleave 方式实现流式理解、文本生成与语音合成的端到端衔接：
- Thinker 模块：将视频、音频、原文与译文统一编排进同一条因果序列，按时序交替排列。理解与翻译在单一序列内同步完成，避免传统级联架构中各阶段等待与误差累积。
- Talker 模块：接收 Thinker 输出的译文文本与源音频特征，合成保留原说话人音色的译文语音，实现“声随义动”的自然表达。
这种 Interleave 架构打破了“先识别→再翻译→后合成”的串行瓶颈，使模型能在接收部分输入的同时启动后续处理，是延迟降低至 2.3 秒的关键技术基础。
评测表现：多维度领先主流同传系统
官方在两个权威测试集上验证了模型性能：
在覆盖 14 个语向的多说话人长音频评测集 Omnilingua-MSpeaker 上，Qwen3.8-LiveTranslate 在翻译忠实度、流畅度、简洁度及说话人分离错误率（DER）四个维度均优于当前行业主流实时同传系统。
在公开 FLEURS 音频测试集的 70 个语言方向评测中，模型在翻译质量、字均延迟、语音识别准确率及语音合成质量四项指标上全面超越上一代产品及现有主流方案。值得注意的是，评测未使用内部定制数据集，结果具备跨系统可比性。
尽管未公布具体数值，但“全面领先”的表述暗示其在低资源语种、高噪声环境及长时段连续翻译等压力场景下仍保持稳定。对于企业级部署而言，这种鲁棒性比峰值性能更具参考价值。
应用定位
Qwen3.8-LiveTranslate 的设计目标明确指向真实世界同传需求，而非实验室指标竞赛。其能力组合特别适合以下场景：
- 跨国会议与论坛：多人发言+术语密集+需双语记录
- 跨境电商直播：实时字幕+音色保留+商品信息准确
- 远程医疗/法律咨询：上下文敏感+隐私合规+语气保真
- 教育内容本地化：长视频翻译+说话人区分+知识点对齐
© 版权声明
文章版权归作者所有，未经允许请勿转载。
