AI 同传 2.8 秒延迟，阿里通义千问发布实时语音翻译模型 Qwen3.5-LiveTranslate

5月20日讯 据通义实验室消息，通义千问团队发布了 Qwen3.5-LiveTranslate-Flash 实时语音翻译模型，该模型在语种覆盖、延迟控制和音色保留等方面实现显著突破，旨在解决跨境直播、跨国会议等场景中的实时同传痛点。

官方详细介绍如下：

跨境直播卡顿、跨国会议延迟、AI 配音“机器感”太重…… 实时同传一直卡在“延迟、语种、音色”三大痛点。

Qwen3.5-LiveTranslate-Flash 给出了解决方案：支持 60 种语言的音频输入和文字输出，29 种语言的音频输出，端到端字均延迟低至 2.8 秒，还能保留说话人的原声特征。

核心亮点速览

Qwen3.5-LiveTranslate

• 输入音频和输出文本语种从 18 种提升至 60 种，输出音频从 10 种提升至 29 种；
• 语音同传字均延迟降低至 2.8 秒；
• 支持实时音色克隆，翻译后仍保留说话人原声特征；
• 内置热词能力，专有名词和行业术语翻译更精准。