阿里发布同传模型 Qwen3.8-LiveTranslate：延迟压到 2.3 秒，自带原声克隆
阿里发布实时同声传译模型 Qwen3.8-LiveTranslate。它重构为音频与文本交织的单流架构，字均延迟压至 2.3 秒，支持 60 种语言。新模型能实时分离说话人并克隆音色，用发言人原声念出译文，目前已开放 API 和在线 Demo。
阿里
阿里开源 Wan-Dancer-14B：听音乐就能跳舞，支持分钟级连贯长视频
阿里 Wan 团队开源舞蹈生成模型 Wan-Dancer-14B 及代码。它不需要参考动作视频，仅凭一段音乐和一张静态人像，就能生成节拍同步的分钟级舞蹈。最值得看的是它采用全局规划加局部精细化框架，已适配古典舞、街舞和 K-Pop 等多种风格。
阿里发布 StreamChar：单张 H100 实时流式生成全身数字人音视频
阿里团队公布数字人音视频生成框架 StreamChar，将长程编排与短窗口去噪解耦。它利用 LLM 与音视频联合 DiT 架构，配合记忆机制防止身份漂移与音画脱节，在单张 H100 上跑出实时流式生成。全身数字人离实时互动和虚拟主播更近了一步。
阿里发布图像加速方法 CDM：扩散模型 4 步出图，细节超越 DMD2
阿里推出图像生成加速方法 CDM，把传统扩散模型所需的 20 到 50 步去噪压缩至 4 步，实现约 5 倍加速。相比之前的 DMD2，它避免了画面塑料感，能保留更细腻的纹理。目前已支持 Stable Diffusion 3 和 LongCat，让消费级 GPU 也能近乎实时出图。