阿里釋出同傳模型 Qwen3.8-LiveTranslate：延遲壓到 2.3 秒，自帶原聲克隆

開跨國線上會議最折磨人的地方，莫過於一邊盯著慢半拍的字幕，一邊聽著冰冷的機械音，還要時刻懸著心：AI 到底有沒有把關鍵條款翻歪？

阿里釋出了新一代即時同聲傳譯模型 Qwen3.8-LiveTranslate。它把字均延遲直接從 2.8 秒壓到了 2.3 秒，支援 60 種語言，甚至能克隆發言人的原聲來唸譯文。

目前這個模型已經開放了 API，官方頁面上也提供了可以線上體驗的 Demo。

換上你的音色，還能看影片補上下文

傳統的即時翻譯往往把語音識別、文本翻譯和語音合成拆成幾個獨立環節，串在一起難免越拖越慢。

Qwen3.8-LiveTranslate 這次做了一次底層架構重造。它把同傳重構成音訊與文本交織的單流架構，聽過的音訊和翻出來的譯文都能直接快取並複用，大幅砍掉了重複計算的耗時。

更直觀的變化在聽感上。模型支援聲音克隆，當你在會上發言時，它能抓取你的音色，用你自己的聲音去說另一種語言。

它還能即時區分不同的說話人，哪怕幾個人輪流插話，模型也能分清誰說了什麼，並分別用各自對應的聲線輸出譯文。

目前它支援 60 種輸入語言，以及 29 種語音輸出語言。除了聽聲音，你甚至還能直接餵給它影片或圖片，讓模型參考視覺畫面來消除長上下文裡的歧義。

雙語同屏對賬，延遲刷到新低

用 AI 同傳，很多人最大的顧慮就是漏譯或翻錯，偏偏自己還聽不懂對方的語言。

阿里這次加了一個很實用的功能：原文與譯文同幀同出。螢幕上雙語同步滾動，相當於給雙方提供了一份隨時可以對照核對的臺賬。

在與 Seed Live Interpret、GPT Real Time 以及 Gemini Live 的橫向對比中，阿里展示的測試結果顯示，Qwen3.8-LiveTranslate 在準確性、流暢度和簡潔性上的勝率都處於領先位置。

在整體翻譯質量、端到端延遲和錯誤率方面，新模型的表現也都拿下了同類測試的最優成績。

為什麼重要

我們認為，把延遲壓縮到 2.3 秒是一個關鍵的分水嶺。在真實的跨國商務談判、跨境電商溝通和行業展會裡，幾秒鐘的停頓就會徹底打碎對話節奏。2.3 秒雖然還比不上頂級人類同傳的即時反應，但已經足夠應付絕大多數日常交流。

它最聰明的地方在於單流架構與原聲克隆的結合。這不僅是省下幾百毫秒算力的問題，而是讓機器翻譯脫離了那種冷冰冰的彙報感，讓對話雙方覺得依然是在跟真人面對面交談。

對於中小出海團隊和獨立開發者來說，這意味著原本請不起專業同傳的展會或談判場景，現在可以用相對低廉的 API 成本搭出一套好用的翻譯系統。

不過，看起來真正的考驗還在多說話人、高背景噪音的複雜現場。模型在長音訊下的說話人錯誤率是否依然可控，還得看後續大規模實測的表現。