Qwen3.8-LiveTranslate: синхронный перевод с задержкой 2,3 секунды от Alibaba

Команда Qwen (Alibaba) представила Qwen3.8-LiveTranslate — модель для синхронного перевода в реальном времени. Она слушает живую речь (опционально с видео) и выдаёт переведённый текст и голос, пока говорящий ещё не закончил. Ключевое изменение — новая архитектура Interleave, которая перестраивает компромисс между задержкой и качеством. Благодаря ей среднее отставание перевода (LAAL) сократилось с 2,8 до 2,3 секунды — примерно на 18%.

В модели появились три новые возможности: распознавание говорящих в многоголосом диалоге с сохранением голоса через стабильный voice cloning, синхронный билингвальный дисплей (исходный текст и перевод выводятся одновременно), а также разрешение неоднозначностей на основе длинного контекста — имена и термины, введённые в начале встречи, остаются согласованными до конца.

Модель доступна как хостируемый API через WebSocket на Alibaba Cloud Model Studio и QwenCloud под именем qwen3.8-livetranslate-flash-realtime. Она построена на стеке Qwen-Omni с использованием мультимодальных данных, кросс-языкового и кросс-модального выравнивания и визуального улучшения. Flash-версия также поддерживает офлайн-перевод аудио и видео.