阿里千问发布Qwen3.8-LiveTranslate同声传译大模型：Interleave架构实现低延迟高精度双语实时同传

SmartHey9月20日消息，阿里千问于9月19日正式发布全新同声传译大模型 Qwen3.8-LiveTranslate。该模型基于创新的 Interleave 架构重构实时同传流程，在翻译准确度、语言流畅度与表达简洁度三方面实现全面提升，字均延迟（LAAL）由原先的 2.8 秒显著降低至 2.3 秒。

官方介绍，Qwen3.8-LiveTranslate 在已支持 60 种语言的基础上，新增三大核心能力，显著增强其在真实会议、国际论坛、多语种直播等复杂场景下的实用性和鲁棒性：

• 实时说话人分离：精准区分不同发言者，每句话归属清晰明确，音色复刻稳定性更高；
• 原文译文同帧同出：实现双语内容严格同步显示，支持同屏对照阅读与理解；
• 长上下文消歧能力：依托长程语境建模，结合前文信息准确解析当前语义，使人名、专业术语等关键信息翻译更精准、一致。

技术层面，Qwen3.8-LiveTranslate 采用 Hybrid MoE（混合专家）驱动的 Thinker–Talker 双模块协同架构，并以 Interleave 方式无缝衔接流式语音理解、文本翻译生成与语音合成全流程。其中，Thinker 模块将视频流、音频信号、原文及译文统一编排为单条因果序列，按时间步交替建模，实现端到端的理解与翻译一体化输出；Talker 模块则融合译文文本与原始语音特征，生成高度保真原说话人音色的高质量译文语音。

在面向多说话人、长时长音频的权威评测集 Omnilingua-MSpeaker（覆盖 14 个语向）上，Qwen3.8-LiveTranslate 在翻译忠实度、流畅度、简洁度，以及说话人分离错误率（DER）四项关键指标上，全面超越当前主流实时同传系统。

此外，在涵盖 70 个语言方向的公开 FLEURS 音频测试集上，该模型亦在翻译质量、字均延迟、语音识别准确率（ASR）和语音合成自然度（TTS）四大维度，均优于上一代模型及现有行业标杆系统。