阿里发布 Qwen3.8-LiveTranslate，口译平均延迟降至 2.3 秒

阿里巴巴于 9 月 19 日发布新一代实时同步口译模型 Qwen3.8-LiveTranslate。根据 Qwen 团队在官方账号公布的说明，这一版本采用 Interleave 架构，在 60 种语言上把平均延迟从 2.8 秒降到 2.3 秒，同时在忠实度、流畅度和简洁度上都有改善。

平均延迟从 2.8 秒降到 2.3 秒

同步口译面对的核心取舍，是等待时间与准确度之间的平衡。模型听得越久，掌握的语义通常越完整，翻译也会更准确，但用户等待的时间也会更长。

官方采用的衡量指标是平均延迟 LAAL，也就是译文相对原文平均落后多少时间。这一版把该数值从 2.8 秒压到 2.3 秒，缩短约 0.5 秒。按照官方说法，在口译场景里，这半秒会影响对话节奏是否被打断。

三项新功能都指向多人对话场景

官方列出的三项新能力，方向较为一致。

• 第一，即时区分说话人。模型可以在多人同时发言的场合分辨是谁在说话，并通过更稳定的声音复制，让不同说话者的译文保留各自音色。
• 第二，原文与译文同步显示，两种语言会同时出现在画面上。
• 第三，长上下文消歧。模型会利用此前的对话内容判断人名和专业术语，让同一个词在整场对话中的翻译保持一致。

这三项功能对应的，都是单向逐句翻译难以处理的情况：会议中有多名发言者、听众需要对照原文，以及同一专有名词在一场对话里反复出现。

通过 QwenCloud 提供，未见开源权重

Qwen3.8-LiveTranslate 目前通过 QwenCloud 提供，官方公告中给出的是博客和云服务链接。ABMedia 查询 Hugging Face 后表示，尚未看到这一模型的权重上架，这与 Qwen 系列部分版本采用开源方式的做法不同。

同属 Qwen 3.8 系列的文本模型则可以在本地运行。报道提到，Vitalik 此前实测其在笔记本电脑上的推理速度约为每秒 33 个 token。

本文最早刊载于链新闻 ABMedia。