Qwen3.8-LiveTranslate：听得清、译得准，更懂真实对话
同传不只是翻译得快，更要听得清、译得准。今天，我们正式发布全新的同声传译大模型 Qwen3.8-LiveTranslate ，模型以 Interleave 架构重构实时同传，准确度、流畅度、简洁度全面提升，字均延迟（LAAL）从 2.8 秒降至 2.3 秒。 我们希望同传不只传递语言、也能保留交流中人物与上下文信息，因此，在支持 60 种语言的基础上，Qwen3.8-LiveTranslate新增
正文
同传不只是翻译得快，更要听得清、译得准。今天，我们正式发布全新的同声传译大模型 Qwen3.8-LiveTranslate ，模型以 Interleave 架构重构实时同传，准确度、流畅度、简洁度全面提升，字均延迟（LAAL）从 2.8 秒降至 2.3 秒。
我们希望同传不只传递语言、也能保留交流中人物与上下文信息，因此，在支持 60 种语言的基础上，Qwen3.8-LiveTranslate新增三项能力让同传更广泛的应用于真实场景中：实时说话人分离，每句话归属清晰，音色复刻更稳定；原文译文同帧同出，双语同屏；长上下文消歧，联系前文读懂当下，人名术语翻译更精准。
核心亮点
Interleave 架构：
音频与文本交织，更高质量、更低延迟。 本代模型将同传重构为音频-文本交织的单流形式，已听音频和已出译文均可缓存复用，翻译质量相比上代显著提升，字均延迟（LAAL）从上一代的 2.8 秒降至 2.3 秒。
实时说话人分离：
内容归属更清晰，音色复刻更稳定。 在多人交替发言时，区分不同说话人及其发言内容，并帮助译文语音更准确、稳定地保留发言人的音色。
原文译文同帧同出：
原文与译文同步呈现。在同传中双语对齐，兼顾即时理解与原文核对，为字幕展示、内容整理、检索等后续功能提供基础，应用空间更广泛。
长上下文消歧：
跨轮关联历史语境，翻译更精准。结合前文和历史语境，减少仅凭单句判断专有名词、指代等问题带来的歧义，帮助保持表达的一致性。
模型架构
Qwen3.8-LiveTranslate 采用基于 Hybrid MoE 的 Thinker–Talker 双模块设计，通过 Interleave 方式衔接流式理解、文本输出与语音生成。其中，Thinker 把视频、音频、原文与译文编排进同一条因果序列，按时序交替排列、端到端产出，让理解与翻译在单一序列内完成；Talker 再结合译文和源音频，把译文合成为保留原说话人音色的译文语音。
模型效果
多说话人长音频翻译
在覆盖14个语向的多说话人长音频评测集 Omnilingua-MSpeaker上，Qwen3.8-LiveTranslate 在翻译的忠实度、流畅度、简洁度以及说话人识别的错误率 DER（Diarization Error Rate，说话人分离错误率）四个维度上均优于目前行业主流实时同传系统。
多语言效果
我们在公开 FLEURS 音频测试集上评测了 70 个语言方向的实时同传表现。Qwen3.8-LiveTranslate在翻译质量、字均延迟、语音识别准确率以及语音合成质量四个维度上领先于上一代以及当前主流实时同传系统。
案例演示
下面通过《西游记》中的两段对话和一组同音词示例，展示说话人归属与音色克隆、双语同步输出，以及上下文和视觉信息对消歧的帮助。
演示1:
支持的语种
未来方向
同声传译远未抵达终点。围绕「听得更全、传得更真、用得更广」，我们把目光投向以下几个方向：
• 逼近同传延迟极限：持续压缩端到端时延，把「听到」与「译出」之间的间隔推向极限。
• 跨会话的长期记忆：跨会话记忆延续到同一项目、同一群人的下一次交流，越用越好。
• 覆盖更多语种：持续把覆盖语种延伸到更多长尾语种与区域方言，让实时同传服务世界上每一个人。
关注我，掌握千问大模型最新动态
数据来源：公开 AI 资讯聚合目录，版权归原文作者及媒体所有；本站仅作索引与摘要展示，如有异议可联系我们删除。
