同声传译这道高门槛，正在被大模型一步步推成”人人可用”的基础设施。阿里千问推出同声传译大模型 Qwen3.8-LiveTranslate，用一套 Interleave 架构把实时同传从头重构，字均延迟（LAAL）从 2.8 秒压到 2.3 秒，并新增实时说话人分离、原文译文同屏、长上下文消歧等落地能力，目前尝鲜入口与模型 API 均已开放。
一、0.5 秒为什么是分水岭
同传是”慢一秒就跟不上讲话人”的场景，字均延迟直接决定听感是否自然。Qwen3.8-LiveTranslate 把 LAAL 从 2.8 秒降到 2.3 秒——别小看这 0.5 秒，它让译文节奏更贴讲话人，减少”翻译总慢半拍”的割裂感。在已支持 60 种语言的基础上，新模型又在三个维度补齐了同传真正能落地的拼图。
二、补上的三块”实用拼图”
| 能力 | 作用 |
|---|---|
| 实时说话人分离 | 每句话归到对应的人，音色复刻更稳，避免甲乙不分、声音串味 |
| 原文译文同帧同出 | 双语同屏显示，听的人能边听边对照 |
| 长上下文消歧 | 联系前文读懂当下，人名、术语等易错点精准度提升 |
三、架构：Hybrid MoE 下的 Thinker–Talker 双模块
底子是 Hybrid MoE（混合专家）配合 Thinker–Talker 双模块设计，靠 Interleave 把流式理解、文本输出和语音生成串成一条线：
- Thinker：把视频、音频、原文和译文编排进同一条因果序列，按时序交替排列、端到端产出，让”听懂”和”译出”在同一个序列里完成；
- Talker：拿着译文和源音频，把译文合成为保留原说话人音色的语音——翻译出来的声音，还是那个讲话人的声音。
四、评测：两个公开基准都领先
在覆盖 14 个语向的多说话人长音频评测集 Omnilingua-MSpeaker 上，它在翻译忠实度、流畅度、简洁度以及说话人分离错误率（DER）四个维度，全部压过当前行业主流实时同传系统；在公开 FLEURS 测试集的 70 个语言方向里，它在翻译质量、字均延迟、语音识别准确率和语音合成质量四项上，同样领先上一代与主流系统。两项基准说明，这次升级不是单点刷分，而是系统性的听感与准确度双线提升。
五、它意味着什么
当字均延迟降到 2.3 秒、又能稳定保留说话人音色、还能多人交替发言归属清晰，同传从”专业译员把守”走向”会议、直播、跨国协作人人可用”的拐点正在临近。对跨境会议、出海内容、国际直播等场景，这类模型的实用价值远大于参数规模本身。
常见问题（FAQ）
Qwen3.8-LiveTranslate 的字均延迟是多少？
字均延迟（LAAL）从 2.8 秒降至 2.3 秒，在实时同传场景下显著改善听感与跟讲节奏。
它支持多少种语言？
模型已支持 60 种语言，并在新增的实时说话人分离、原文译文同屏、长上下文消歧等能力上进一步提升实用性。
翻译出来的声音和原讲话人一样吗？
一样。Talker 模块在合成译文语音时会保留原说话人音色，配合实时说话人分离，多人交替发言也能清晰归属。
小结
Qwen3.8-LiveTranslate 的价值不在”又一个翻译模型”，而在它用 Interleave 架构把同传的听感、准确度与落地能力一起补齐：2.3 秒字均延迟、60 种语言、说话人分离与音色保留。当这些能力同时成立，同传正从专业门槛滑向人人可用的基础设施——而这，恰恰是大模型最该啃的”硬骨头”。
消息来源：aibase — 千问发布 Qwen3.8-LiveTranslate 同声传译大模型：字均延迟压到 2.3 秒（数据以原报道为准）。
相关阅读
这条线上还有几篇站内文章可以接着看：
- OpenAI Astra for Law 法律平台上线：索引 2.3 亿 URL，验证集正确率 54.0%
- 阿里 Qwen 团队换帅：刘大一恒接掌通义千问大模型，云栖大会前核心 AI 产品线终定一把手
- Qwen 3.5小模型系列发布：从0.8B到9B，重新定义边缘AI
延伸阅读
- 突发 | DeepSeek 预告 API 大幅涨价：「价格屠夫」也顶不住算力成本了2 月前
- 阿里 QoderWake 1.0 上线：像管员工一样招聘、培训、授权和管理 AI 数字员工3 天前
- 宇树宣布完全开源 UnifoLM-WLA-1.0：6B 参数、2500 小时真机数据，一个模型统筹 64 项任务1 周前
- Meta 开源 Muse Glimmer：30B 本地代理模型，一张消费级显卡跑满血智能体1 月前