产品简介
Qwen3.8-LiveTranslate 是通义千问团队 2026 年 9 月 18 日发布的实时同声传译模型。它把同声传译重构成一条音频与文本交错的单一序列：已经听到的音频、已经产出的译文都会被缓存复用，理解与翻译在同一序列里完成，官方称平均同传延迟 LAAL 从上一代的 2.8 秒降到 2.3 秒。
语言覆盖上，模型接受 60 种语言的音频输入并产出译文文本，其中 29 种语言可以用保留原说话人音色的合成语音输出。这一代新增三个面向真实会议场景的能力：实时说话人分离，每句译文标注归属；源文与译文同屏同步输出，方便双语对照；长上下文消歧，结合先前历史判断姓名与术语，跨轮次保持表述一致。
评测方面，官方给出的数据是多说话人长音频评测 Omnilingua-MSpeaker（14 个语向）的忠实度、流畅度、简洁性与说话人分离错误率四个维度均超过现有主流实时口译系统；公开测试集 FLEURS（70 个语向）在翻译质量、延迟、识别与合成质量上领先上一代与主流系统。模型经阿里云百炼实时 API 提供，实时模型名为 qwen3.8-livetranslate-flash-realtime，收录时未见开源权重。
核心功能
- 单流 Interleave 架构：音频与译文在同一因果序列里交错生成，已听到的音频与已产出的译文缓存复用，质量与延迟同时受益。
- Thinker-Talker 双模块：Thinker 把视频、音频、源文本与译文排成单一序列做流式理解与翻译，Talker 结合源音频合成保留原说话人音色的语音。
- 实时说话人分离：服务端随译文一并返回说话人标识与源语文本，不用再单独接一套语音识别，多人会议每句话归属清晰。
- 源文译文同屏对齐：双语同步输出，字幕、会议纪要与译员辅助场景直接可用，通过会话配置即可开启。
- 长上下文消歧：跨轮次链接历史，姓名与术语指代更准；另支持热词注册与图像帧输入作为视觉上下文辅助判断。
- 60 语输入 / 29 语语音输出：文本译文覆盖中、英、日、韩、德、法、西、俄、阿拉伯语、粤语等 60 种语言，29 种语言可输出带音色的语音。
适合谁用
以下类型的用户会特别受益于 Qwen3.8-LiveTranslate：
- 国际会议与直播的同传字幕：低延迟产出双语字幕，带说话人归属
- 跨语言客服与语音智能体：实时听懂并译出，语音输出保留原音色
- 会议纪要与访谈整理：一次拿到源文、译文与说话人标注三路结果
- 译员辅助工具：低延迟草稿译文供人工译员校对提速
- 多语言视频内容生产：配音与字幕的初步翻译与对齐
优点亮点
- 官方口径的 LAAL 2.3 秒处于实时同传可用的延迟区间
- 说话人分离与双语对齐内置在会话配置里，省掉自建管线
- 语音输出保留原说话人音色，多人场景观感自然
- 与 Qwen3.8 家族同代际，和 Omni 系列混用切换成本低
- 文本译文覆盖 60 种语言，语向覆盖面在实时同传里算宽的
价格与方案
经阿里云百炼平台实时 API 调用，模型名 qwen3.8-livetranslate-flash-realtime，按音频时长与输出用量计费，官方博客未公布价格明细，具体以百炼平台公示为准。
总结与建议
Qwen3.8-LiveTranslate 是通义千问 2026 年 9 月 18 日发布的实时同声传译模型，用单流交错架构把官方口径的同传延迟做到 LAAL 2.3 秒，60 种语言文本输入、29 种语言语音输出，说话人分离、双语对齐与长上下文消歧都内置在会话配置里。做国际会议同传字幕、跨语言语音智能体或译员辅助的团队，可以在百炼实时 API 上直接接入试跑。
版本演进
- Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型，LAAL 降至 2.3 秒 （2026-09-18）：Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构与 Hybrid-MoE Thinker-Talker 设计重构实时同声传译，平均滞后（LAAL）从上一代的 2.8 秒降至 2.3 秒。