阿里千问发布同传大模型，支持60种语言

阿里千问正式发布同声传译大模型 Qwen3.8-LiveTranslate，以 Interleave 架构对实时同传流程进行重构，在准确度、流畅度与简洁度三个方面实现全面提升。官方数据显示，该模型的字均延迟（LAAL）从原来的 2.8 秒降至 2.3 秒，实时翻译的节奏更接近自然对话，留给听众的等待感明显减少。

在原本支持 60 种语言的基础上，Qwen3.8-LiveTranslate 新增了三项能力，让同传能够进入更广泛的真实场景。其一是实时说话人分离，模型可以让每一句话的归属清晰可辨，同时让音色复刻更加稳定；其二是原文与译文同帧同出，实现双语同屏呈现；其三是长上下文消歧，模型能够联系前文读懂当下，使人名与专业术语的翻译更加精准。这三项能力分别对应多人对话、双语字幕与专业领域翻译等典型需求，指向的是同传从实验室走向实际落地的关键环节。

架构层面，Qwen3.8-LiveTranslate 采用基于 Hybrid MoE 的 Thinker 与 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，按时序交替排列并端到端产出，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。相比将识别、翻译、合成拆分为多级流水线的传统做法，这种设计把多个环节收敛到统一序列中，有助于压缩链路带来的延迟损耗。

评测结果方面，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 四个维度上均优于目前行业主流的实时同传系统。官方还在公开的 FLEURS 音频测试集上评测了 70 个语言方向的实时同传表现，该模型在翻译质量、字均延迟、语音识别准确率以及语音合成质量四个维度上，均领先于上一代模型以及当前主流的实时同传系统。

从技术演进的方向看，同声传译长期面临延迟与质量难以兼顾的取舍：要压低延迟，往往要牺牲上下文的完整性；要保证译文质量，又容易让输出落后于说话人。Qwen3.8-LiveTranslate 通过单一因果序列承载理解与翻译、再以双模块分工完成语音合成，为这一矛盾提供了一条新的解决思路。随着说话人分离与长上下文消歧能力的加入，实时同传的应用边界也从单人演讲扩展到多说话人的会议、直播与跨语言交流场景。