Qwen3.8-LiveTranslate 是阿里千问于 2026 年 9 月 19 日发布的同声传译大模型系统，以 Interleave 架构重构实时同传，将字均延迟从上一代的 2.8 秒降至 2.3 秒，由 Alibaba Qwen 团队基于 Qwen-Omni 基座能力打造。
该模型能听懂 60 种语言、会说 29 种语言，支持音频与图像输入、文本与音频输出，面向会议同传、跨语言直播与音视频翻译场景，已在千问AI平台开放 API 调用与在线体验。
核心要点
- 阿里千问 2026 年 9 月 19 日正式发布同声传译大模型 Qwen3.8-LiveTranslate
- 字均延迟 LAAL 从上一代 Qwen3.5-LiveTranslate 的 2.8 秒降至 2.3 秒
- 新增实时说话人分离、原文译文同帧同出、长上下文消歧三项能力
- FLEURS 评测覆盖 19 种语言 70 个方向，翻译质量得分 85.7 领先主流系统
- 说话人分离错误率 DER 低至 9.7%，优于对比系统 18.0% 以上的水平
- API 已上线千问AI平台，输入音频每百万 tokens 定价 40 元
发布详情与架构设计
Interleave 架构与双模块设计
Qwen3.8-LiveTranslate 采用基于 Hybrid MoE 的 Thinker-Talker 双模块设计，通过 Interleave 方式衔接流式理解、文本输出与语音生成。
Thinker 把视频、音频、原文与译文编排进同一条因果序列，按时序交替排列并端到端产出，让理解与翻译在单一序列内完成。
Talker 结合译文和源音频，把译文合成为保留原说话人音色的语音，实现同传过程中的音色保持。
评测数据表现
在覆盖 19 种语言、70 个方向的公开 FLEURS 音频测试集上，Qwen3.8-LiveTranslate 翻译质量 xCOMET-XXL 得分 85.7，领先 Seed LiveInterpret 2.0 的 79.4、Gemini 3.5 Live translate 的 73.5 与 GPT-Realtime-Translate 的 65.2。
模型语音识别词错误率 6.6%，语音自然度 UTMOS 评分 4.0，在翻译质量、字均延迟、识别准确率与合成质量四个维度领先上一代及主流系统。
在 8 种语言、14 个方向的 Omnilingua-MSpeaker 多说话人评测中，模型说话人分离错误率 DER 为 9.7%，低于 GPT-4o-transcribe-diarize 的 18.0% 与 Seed-asr-2.0-streaming 的 30.6%。
能力与获取方式
实时说话人分离让每句话归属清晰，音色复刻更稳定。原文译文同帧同出实现双语同屏，长上下文消歧联系前文理解当下，让人名与术语翻译更精准。
千问AI平台模型页最后更新 2026 年 9 月，官方型号为 Qwen3.8-LiveTranslate-Flash-Realtime，上下文 53K，支持前缀补全、函数调用与联网搜索。
模型以商用 API 形式提供，代码不在 github.com 发布，未采用 MIT 或 Apache 协议开源，开发者通过 DashScope 的 realtime 接口调用。
与竞品对比
下面将 Qwen3.8-LiveTranslate 与 GPT-Realtime-Translate、Gemini 3.5 Live translate 等系统对比，数据和两者同 Seed LiveInterpret 2.0 的区别均来自官方 FLEURS 评测结果。
| 模型 | 翻译质量 xCOMET-XXL | 字均延迟 LAAL | 语音识别 WER |
|---|---|---|---|
| Qwen3.8-LiveTranslate | 85.7 | 2.3 秒 | 6.6% |
| Seed LiveInterpret 2.0 | 79.4 | 2.8 秒 | 7.0% |
| Gemini 3.5 Live translate | 73.5 | 2.5 秒 | 11.4% |
| GPT-Realtime-Translate | 65.2 | 3.1 秒 | 未披露 |
评测覆盖 19 种语言与 70 个方向，翻译质量数值越高越好，字均延迟与词错误率越低越好，GPT-Realtime-Translate 未披露语音识别数据。
常见问题
问. Qwen3.8-LiveTranslate 是什么
Qwen3.8-LiveTranslate 是阿里千问于 2026.9.19 发布的同声传译大模型，能听懂 60 种语言并输出 29 种语言的译文语音，支持音视频实时翻译。
问. 如何使用这款模型
用户可通过官方体验页 omni.qwen.ai/live-translate 在线试用，开发者在千问AI平台开通服务后，经 DashScope realtime 接口调用 API，输入音频与图像，输出文本与音频。
问. 与 GPT-Realtime-Translate 和 Gemini 3.5 的区别
FLEURS 评测中 Qwen3.8-LiveTranslate 翻译质量 85.7 分、字均延迟 2.3 秒，两项指标优于 GPT-Realtime-Translate 与 Gemini 3.5 Live translate，并支持实时说话人分离与音色复刻。
问. 价格与费用如何计算
模型按 token 计费，输入音频每百万 tokens 40 元，输入图片 3.3 元，输出文本 100 元，输出音频 160 元，官方体验页提供免费试用入口。
本文来源，千问AI平台《Qwen3.8-Livetranslate-Flash-Realtime 模型页》https://www.qianwenai.com/models/qwen3.8-livetranslate-flash-realtime
