千问发布Qwen3.8-LiveTranslate:同传延迟降至2.3秒，还能保留你的音色

新一代同声传译大模型 Qwen3.8-LiveTranslate，在翻译质量、延迟、说话人识别和语音合成四个维度上全面升级。

该模型采用音频-文本交织的 Interleave 架构，将流式理解、文本输出与语音生成整合为单条因果序列，字均延迟从上一代的2.8秒压缩至2.3秒。

三大新增能力是本次升级的核心看点:实时说话人分离让多人交替发言时每句话归属清晰，译文语音还能稳定保留原说话人音色;原文译文同帧同出实现双语同步显示，兼顾即时理解与原文核对;长上下文消歧则通过跨轮关联历史语境，减少专有名词和指代带来的翻译歧义。

模型采用 Hybrid MoE 的 Thinker–Talker 双模块设计，Thinker 负责理解与翻译，Talker 负责合成保留原音色的译文语音。在覆盖14个语向的多说话人长音频评测集 Omnilingua-MSpeaker 上，该模型在翻译忠实度、流畅度、简洁度及说话人分离错误率上均优于当前主流实时同传系统。

目前模型已支持60种语言，API 同步上线千问 AI 平台。团队表示，下一步将聚焦端到端时延的极限压缩、跨会话长期记忆以及更多语种覆盖。