Qwen3.8-LiveTranslate 運営中

Qwen3.8-LiveTranslateは、アリババの通義千問が提供するリアルタイム同時通訳大規模モデルです。Interleaveアーキテクチャを再構築し、1文字あたりの遅延を2.8秒から2.3秒に短縮。60言語に対応しています。リアルタイム話者分離と音色クローン、原文と訳文の同一フレーム同時出力、長文脈による曖昧性解消という3つの主要機能を備えています。動画・音声入力を認識し、バイリンガルテキストと元の音色を保持した訳文音声をエンドツーエンドで出力できます。国際会議、越境ライブ配信、動画ローカライゼーションなどに利用でき、千問AIプラットフォームでAPIが公開されています。

リアルタイム同時通訳：Interleaveアーキテクチャによる音声・テキストの単一ストリーム処理で、1文字あたりの遅延はわずか2.3秒。聞きながら翻訳できます。
話者分離：複数人が交互に発言する場合も話者を自動的に区別し、それぞれの音色を再現して訳文音声を生成します。
バイリンガル同一フレーム出力：原文と訳文を同期して同じ画面に表示し、即時理解と原文確認を容易にします。
長文脈による曖昧性解消：前後の文脈を踏まえて現在の発話を理解し、人名、用語、指示語をより正確かつ一貫して翻訳します。
多言語翻訳：60言語の入力認識と29言語の音声出力に対応します。
視覚情報による補助：動画・画像入力に対応し、映像内容を活用して翻訳の曖昧性を解消します。

Interleave単一ストリームアーキテクチャ：Qwen3.8-LiveTranslateは同時通訳を音声とテキストが交互に並ぶ単一ストリーム形式へ再構築しています。処理済み音声と出力済み訳文をキャッシュして再利用することで、文ごとに最初から処理する必要をなくし、翻訳品質を高めながら1文字あたりの遅延を2.8秒から2.3秒に短縮します。
Thinker–Talkerの2モジュール設計：Hybrid MoEを基盤とするThinker–Talker構造を採用しています。Thinkerは動画、音声、原文、訳文を1つの因果系列に編成し、時系列に沿って交互に配置しながら、理解と翻訳をエンドツーエンドで実行します。Talkerは訳文と入力音声を組み合わせ、元の話者の音色を保持した訳文音声を合成します。
リアルタイム話者分離：複数人が交互に発言する場面では、翻訳前にDiarizationを実行して各文を具体的な話者に割り当てます。これに基づき、Talkerが話者ごとの音色を安定して再現するため、訳文音声から誰が話しているかを聞き分けられます。
長文脈による曖昧性解消：過去の対話を文脈に取り込み、前の発話の情報をターンをまたいで関連付けます。1文だけで判断することによる固有名詞、人名、指示語の曖昧さを防ぎ、長時間の複数人対話でも用語や表現の一貫性を保ちます。
バイリンガル同期出力メカニズム：原文と訳文を同じ交互系列内で位置合わせして生成する設計により、同一フレームでの同時出力を自然に実現します。バイリンガル字幕、コンテンツ整理、検索などの下流アプリケーションで追加の位置合わせ処理が不要です。

URL https://omni.qwen.ai/live-translate を開きます。
マイクの権限を許可し、原言語と対象言語を選択します。
そのまま話し始めると、リアルタイムのバイリンガル字幕を確認し、訳文の読み上げを聞くことができます。
千問AIプラットフォームにログインし、API Keyを取得します。
https://www.qianwenai.com/models/qwen3.8-livetranslate-flash-realtime モデルのリアルタイムAPIを呼び出し、音声ストリームを渡します。
返されたバイリンガルテキストと訳文音声を受け取れば完了です。

低遅延：Interleaveアーキテクチャにより、1文字あたりの遅延を2.8秒から2.3秒に短縮します。処理済み音声と出力済み訳文をキャッシュして再利用でき、より速く滑らかに翻訳できます。
話者分離＋音色クローン：複数人が交互に発言する場合も話者を正確に区別し、訳文音声ではそれぞれの音色を再現するため、発言内容の帰属が明確です。
バイリンガル同一フレーム出力：原文と訳文を同期して表示し、即時理解と原文確認を両立します。字幕、コンテンツ整理、検索などの場面にも自然に対応します。
長文脈による曖昧性解消：過去の文脈をターンをまたいで関連付け、1文だけで判断することによる曖昧さを解消します。人名や用語をより正確かつ一貫して翻訳できます。
60言語を幅広くカバー：60言語の認識と29言語の音声出力に対応し、多言語のリアルタイムコミュニケーションに応えます。

国際会議：複数人の発言時に話者を自動的に区別して音色を再現しながらリアルタイム翻訳するため、参加者は同じ言語で会話しているように感じられます。
越境ライブ配信：配信者にバイリンガル字幕と訳文音声を提供し、ライブコンテンツを世界中の視聴者へスムーズに届けます。
動画ローカライゼーション：動画を入力するだけで同期したバイリンガル字幕と吹き替え音声を生成し、映像作品や講座の翻訳・制作工程を大幅に簡略化します。
国際展示会・見本市：出展者間の現場コミュニケーションに低遅延の同時通訳を提供し、専門通訳者のコストを削減します。
海外展開企業のカスタマーサポート・研修：海外顧客へのリアルタイム音声相談や、多言語の従業員研修を支援し、グローバルサービスの効率を高めます。