通义千问发布 Qwen3.8-LiveTranslate 实时同传模型

通义千问（Qwen）近日推出实时同声传译模型 Qwen3.8-LiveTranslate，主打低延迟与多语种场景。模型基于自研的 Interleave 架构构建，重点优化了翻译的忠实度、流畅度与简洁性，并在 60 种语言上将平均滞后（LAAL）从 2.8 秒降低至 2.3 秒。

核心架构与性能

Qwen3.8-LiveTranslate 采用 Interleave 架构，将语音识别、机器翻译与语音合成等多个模块进行交错式建模，从而在保持翻译质量的同时显著降低端到端延迟。官方表示，该架构在「延迟—质量」权衡上较前代方案有明确提升，2.3 秒的平均滞后接近人类同声传译的反应速度区间。

新增能力

• 实时说话人分离（Speaker Diarization）：可在多人对话中区分不同说话人，并通过更稳定的音色克隆技术保留每位说话人的声纹。
• 同步双语显示：源语言与翻译结果在同一屏幕并排呈现，便于会议、直播等场景对照阅读。
• 长上下文消歧：利用对话历史信息，对人名、专有术语等进行上下文一致性消歧，避免同一术语在不同轮次出现不一致的译法。

落地与使用方式

Qwen 团队同步上线了官方博客与 QwenCloud 体验入口，用户可通过云端服务直接调用 Qwen3.8-LiveTranslate 的同传能力。博客中披露了更多技术细节与多语种评估数据。

从应用场景看，该模型面向国际会议、商务谈判、跨境直播、多语种客服等对实时性要求较高的场合；多人对话场景下的说话人分离与音色保留能力，使其区别于传统的单说话人翻译工具，具备更强的会议适配性。

小结

Qwen3.8-LiveTranslate 是通义千问在多模态与多语种方向上的进一步延伸，将实时翻译从「能用」推向「接近可用」的延迟区间。后续值得关注其开放程度、API 价格以及在长时段会议中的稳定性表现。