阿里发布 Qwen3.8-LiveTranslate 实时语音翻译模型

小互 @xiaohu原推发布于 2026.09.19

在 X 上打开原推

阿里发布 Qwen3.8-LiveTranslate实时语音翻译模型： 一边听、一边译、一边说 这次升级集中在四项能力： 分清谁在说话：流式区分多位说话人，并让译文语音尽量保留各自音色； 原文译文同步出现：同一条数据流同时返回源语言识别结果与目标语言译文，便于字幕核对与内容整理； 用前文和画面消歧：结合长上下文与静态图像帧，处理指代、专名和同音词； 减少流式等待：把音频和文字交替放进同一条处理流，复用已经听过的音频和已经生成的译文；在 FLEURS 测试中，译文平均落后原话的时间从上一代的 2.8 秒降到 2.3 秒。 种支持与覆盖范围 系统对不同语种提供三种能力： 音频输入 · 60 种：可以把这些语言作为源语音送入模型； 文字输出 · 60 种：可以返回这些目标语言的翻译文本； 语音输出 · 29 种：只有这个子集可以进一步合成目标语言语音。