Qwen3.8-LiveTranslate 运营中

Qwen3.8-LiveTranslate是阿里通义千问推出的实时同声传译大模型，采用Interleave架构重构，字均延迟从2.8秒降至2.3秒，支持60种语言。模型具备实时说话人分离与音色克隆、原文译文同帧同出、长上下文消歧三大能力，可识别视频/音频输入，端到端输出双语文本及保留原音色的译文语音，适用跨国会议、跨境直播、视频本地化等场景，已通过千问AI平台开放API。

实时同传：基于Interleave架构的音频-文本单流处理，字均延迟仅2.3秒，边听边译。
说话人分离：多人交替发言时自动区分各说话人，并分别复刻其音色生成译文语音。
双语同帧输出：原文与译文同步同屏呈现，便于即时理解与原文核对。
长上下文消歧：结合前文语境理解当前语句，让人名、术语、指代翻译更准确一致。
多语言互译：支持60种语言识别输入、29种语言语音输出。
视觉信息辅助：支持视频/图像输入，借助画面内容辅助翻译消歧。

Interleave 单流架构：Qwen3.8-LiveTranslate 将同传重构为音频与文本交织的单流形式，已听音频和已出译文均缓存复用，避免每句话从头处理，在提升翻译质量的同时将字均延迟从 2.8 秒压缩至 2.3 秒。
Thinker–Talker 双模块设计：模型采用基于 Hybrid MoE 的 Thinker–Talker 结构。Thinker 将视频、音频、原文与译文编排进同一条因果序列，按时序交替排列、端到端完成理解与翻译；Talker 结合译文与源音频，合成保留原说话人音色的译文语音。
实时说话人分离：面对多人交替发言场景，模型在翻译前先完成 Diarization，将每句话归属到具体说话人，并据此指导 Talker 为该说话人稳定复刻其音色，保证译文语音”听得出是谁说的”。
长上下文消歧：模型将历史对话纳入上下文建模，跨轮关联前文信息，避免仅凭单句判断导致专有名词、人名、指代出现歧义，保证多人长对话中术语与表达的前后一致。
双语同步输出机制：架构设计上原文与译文在同一条交织序列中对齐生成，天然支持同帧同出，使双语字幕、内容整理与检索等下游应用无需额外对齐处理。

打开网址 https://omni.qwen.ai/live-translate。
允许麦克风权限，选择源语言和目标语言。
直接开始说话，可看到实时双语字幕并听到译文朗读。
登录千问 AI 平台，获取 API Key。
调用 https://www.qianwenai.com/models/qwen3.8-livetranslate-flash-realtime 模型的实时接口，传入音频流。
接收返回的双语文本和译文语音即可。

低延迟：Interleave 架构让字均延迟从 2.8 秒降至 2.3 秒，已听音频和已出译文可缓存复用，翻译更快更流畅。
说话人分离 + 音色克隆：多人交替发言时精准区分说话人，译文语音分别复刻各自音色，交流信息归属清晰。
双语同帧同出：原文与译文同步呈现，兼顾即时理解与原文核对，天然适配字幕、内容整理、检索等场景。
长上下文消歧：跨轮关联历史语境，解决单句判断的歧义问题，人名、术语翻译前后一致更精准。
60 种语言广覆盖：支持 60 种语言识别、29 种语言语音输出，满足多语种实时交流需求。

跨国会议：多人发言时自动区分说话人并复刻音色实时翻译，让与会者仿佛在同语种交流。
跨境直播：为主播输出双语同步字幕和译文语音，帮助直播内容无障碍触达全球观众。
视频本地化：输入视频即可生成对齐的双语字幕和配音，大幅简化影视、课程内容的译制流程。
国际展会/会展：为参展双方的现场交流提供低延迟同传，减少专业译员成本。
出海企业客服与培训：支撑海外客户的实时语音咨询和跨语种员工培训，提升全球化服务效率。