Qwen3.8-LiveTranslate
阿里千问 2026-09-19 发布的实时同声传译大模型：Interleave 架构 + Hybrid MoE Thinker–Talker 双模块，字均延迟（LAAL）2.8 秒降至 2.3 秒，支持 60 种语言；新增实时说话人分离、原文译文同帧同出、长上下文消歧三大能力，官方评测在 Omnilingua-MSpeaker 与 FLEURS 上领先主流实时同传系统。
发布 2026-09-20更新 2026-10-14核实 2026-09-20规格
- 厂商
- 阿里巴巴（通义千问）
- 发布日期
- 2026/9/19
- 类型
- multimodal
- 定价
- API 价格与上一代 Qwen3.5-LiveTranslate 基本持平（北京区四项价格完全相同 · 新加坡区略降）
- API 兼容
- Qwen API, DashScope
基准测试
优势
- •字均延迟（LAAL）从上代 2.8 秒降至 2.3 秒，官方评测在翻译质量、延迟、ASR、TTS 四维领先主流系统
- •实时说话人分离：多人交替发言可区分说话人，译文语音稳定保留对应音色
- •原文译文同帧同出：双语同步流式返回，兼顾即时理解与原文核对，天然适配字幕场景
- •长上下文消歧：结合前文语境处理人名、术语与指代，长会议一致性更好
- •音频-文本交织单流架构，已听音频与已出译文均可缓存复用，延迟与成本同步受益
- •API 价格与上一代基本持平，存量同传工作流可平移升级
不足
- •评测结论均为官方口径（未公布具体分数），未见第三方独立复现
- •官方口径支持 60 种语言，上一代 3500 语言对的长尾覆盖是否保留待官方文档澄清
- •实时语音流场景的会话连续性、断流重连等工程细节公开资料有限
- •音色克隆保真度在嘈杂多人场景下的表现缺乏公开基准
适用场景
定位一句话
阿里千问于 2026-09-19 发布的实时同声传译大模型：用 Interleave 单流架构把「听清、译准、留人、记前文」做成默认能力，主打会议、直播、客服等真实同传场景的可用性而非跑分。
核心能力
Interleave 架构：单流替代级联
传统同传走「ASR → 翻译 → TTS」级联，延迟与误差逐级累积。Qwen3.8-LiveTranslate 采用基于 Hybrid MoE 的 Thinker–Talker 双模块：
- Thinker：把视频、音频、原文、译文编排进同一条因果序列，按时序交替排列、端到端产出——理解与翻译在单一序列内完成；
- Talker：结合译文与源音频，把译文合成为保留原说话人音色的语音。
因为音频与文本在同一条流里，已听音频和已出译文都可以缓存复用——这是 LAAL 从 2.8 秒压到 2.3 秒的工程基础，也让长会议的成本曲线更平。
三大场景能力
| 能力 | 解决什么 |
|---|---|
| 实时说话人分离 | 多人抢话时「谁说的算谁的」，译文语音按人保留音色 |
| 原文译文同帧同出 | 双语同屏对齐，听众可即时核对原文，字幕场景直接可用 |
| 长上下文消歧 | 结合前文处理人名、术语、指代，一小时以上的会议不「失忆」 |
官方评测（官方口径，无具体分数）
- Omnilingua-MSpeaker（14 语向多说话人长音频）：忠实度、流畅度、简洁度、说话人分离错误率（DER）四维均优于当前主流实时同传系统；
- FLEURS（70 个语言方向）：翻译质量、字均延迟、语音识别准确率、语音合成质量四维领先上一代与主流系统。
获取方式与定价（2026-09 核对）
| 通道 | 说明 |
|---|---|
| 在线体验 | omni.qwen.ai/live-translate |
| API | 模型 ID qwen3.8-livetranslate-flash-realtime（阿里云百炼/DashScope） |
| 定价 | 北京区音频输入、图片输入、文本输出、音频输出四项与上一代完全相同；新加坡区四项略降 |
定价为 2026-09-20 依据公开报道核对，实时价格以阿里云价目表为准。
适合 / 不适合
适合
- 会议、直播、客服等需要低延迟双语实时字幕的产品
- 多人交替发言、需要按说话人区分译文的场景
- 依赖长会议术语一致性的专业领域（法务、医疗、技术评审）
- 已有 Qwen3.5-LiveTranslate 工作流、想平移升级的团队
不适合
- 依赖小语种长尾覆盖的场景（上一代 3500 语言对口径是否保留待核实）
- 需要第三方验证基准分数再采购的合规型团队（当前全部为官方口径）
- 离线批处理翻译（非本模型定位，普通文本模型更划算）
与级联方案怎么比：单流换来了什么，又押上了什么
传统同传是「ASR → 翻译 → TTS」三级级联，Qwen3.8-LiveTranslate 用 Interleave 单流把它压成一条序列。这个交换不是免费的，选型前值得看清代价：
| 维度 | 级联方案（ASR+MT+TTS） | 单流方案（本模型） |
|---|---|---|
| 延迟 | 三级累加，通常在 3 秒以上 | LAAL 2.3 秒（官方口径） |
| 误差传递 | 每级误差向下累积 | 端到端，误差不逐级放大 |
| 中间产物 | 有——可拿到纯文本转写稿 | 未必有——原文与译文同帧出，纯文本稿需另行确认 |
| 可替换性 | 任一级可单独换供应商 | 整体绑定单一模型 |
| 音色保留 | 需额外做语音克隆 | 内置（Talker 模块） |
| 调试难度 | 可逐级定位问题 | 黑盒，难定位是哪一段出错 |
最容易被忽略的一行是「中间产物」：级联方案能顺带产出一份可存档、可检索的纯文本转写稿，而单流方案的产出重心是「同帧双语」。如果你的流程里「会议纪要」和「实时字幕」同样重要，落地前先确认能否稳定拿到结构化文本。 该细节官方公开资料未明确，本站列入待核实。
接入前要确认的四件事
- 能否拿到结构化文本稿 —— 见上表。需要纪要 / 检索 / 合规留存的场景，这是硬门槛。
- 断流重连与会话连续性 —— 实时流的网络抖动是常态。断流后是续接上文还是重新开会话，直接决定一小时会议后半段的一致性，官方公开资料对这部分着墨很少。
- 小语种长尾是否覆盖 —— 官方口径是 60 种语言，但上一代宣称的 3500 语言对是否保留未有官方文档澄清。做跨境业务请先按你的目标语种实测。
- 并发与计费口径 —— 音频输入 / 文本输出 / 音频输出分档计价，长会议的实际成本由「音频输出时长」主导，不是输入时长。压测时按真实并发量算，别按单机单路推算。
上线前验收清单
- 按你的真实语种对实测 LAAL，而不是采信 2.3 秒这个官方均值——延迟对语种、语速、背景噪声都敏感。
- 多人抢话场景测说话人分离，重点看 DER 在你场景下的表现（官方只给了「优于主流系统」，未给分数）。
- 长会议一致性测试：跑满 60 分钟以上，检查专业术语与人名的前后译法是否漂移。
- 成本核算按音频输出时长建模，并对 12 个月用量做一次敏感性分析。
相关阅读
- 发布资讯：阿里千问发布实时同传模型 Qwen3.8-LiveTranslate
- 同赛道：Gemini 3.8 Live · Qwen3-Coder · Qwen-3
- 工具卡：OpenRouter
- 概念：上下文工程
来源
- 阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate — 腾讯新闻（IT之家）
- 千问大模型发布 Qwen3.8-LiveTranslate 优化实时同传技术 — 千问官方微博
- 阿里千问发布实时同传大模型 Qwen3.8-LiveTranslate — DoNews
- 千问同传模型 Qwen3.8-LiveTranslate 发布，延迟降 18% — BlockBeats
待核实：全部评测结论为官方口径，未见第三方独立复现与具体分数；上下文窗口长度官方未披露，故本卡未填该字段；各地 API 实际价格以阿里云价目表为准。本卡由 AI 之家 编辑部根据公开资料整理，非厂商付费内容；定价与功能以官网为准，欢迎在 反馈邮箱 反馈更新。