延迟
通义官方博客日期是 2026-09-18。Qwen3.8-LiveTranslate 把平均滞后 LAAL 从 2.8 秒降到 2.3 秒。多说话人用 Omnilingua-MSpeaker 的 14 个方向，多语言用 FLEURS 的 70 个方向。分项分数只在配图里，正文没有写成数字。
延迟从 2.8 秒降到 2.3 秒：通义用两套语音集评实时同传
Qwen3.8-LiveTranslate 是通义团队在官方博客发布的实时同声传译模型。页面日期是 2026/09/18。它把同传收成一条音文交错的流，并给出一个可以直接核对的延迟数字：平均滞后 LAAL 从 2.8 秒降到 2.3 秒。LAAL 衡量的是「听到」和「译出」之间平均落后多久。
页面同时写了三项能力：实时说话人分离，并且每句都能标出是谁说的；原文和译出的句子在同一块双语屏上对齐；用更长的上下文消歧人名和术语。语言覆盖写的是在 60 种的基础上继续扩展，正文没有列出新增语种名单。
结构怎么接到评测上
模型是 Hybrid-MoE 的 Thinker–Talker。Thinker 把视频、音频、原文和译出的句子按时间排进同一条因果序列，理解和翻译在这条序列里一次做完。Talker 再结合译出的句子和原音频，合成保留说话人音色的语音。评测因此不只看文字对不对，还要看语音合成质量和说话人是否分得开。
两套尺子
多说话人长音频用 Omnilingua-MSpeaker。这是通义放在 GitHub 上的评测集，覆盖 14 个语言方向。对比对象写成「当前主流实时传译系统」，正文没有点名型号。四个维度是：忠实、流畅、简洁，以及说话人分离错误率 DER。页面说 Qwen3.8-LiveTranslate 在这四项上超过对照。具体分数在配图里，正文没有把柱状图上的数字写成文字。
多语言用公开的 FLEURS 音频测试集，70 个语言方向。四个维度是：翻译质量、平均滞后、语音识别准确率、语音合成质量。同样和上一代以及主流实时传译系统比较，页面说这四项都领先。分数仍在配图里，正文没有逐项抄出。
限制
这一页能核对的数字只有 LAAL：2.8 秒到 2.3 秒。Omnilingua-MSpeaker 和 FLEURS 的分项得分、样本量、统计显著性和对照系统的名字，正文都没有写。60 种语言和 14、70 个方向不是同一口径，页面没有解释三者怎么对齐。未来方向写了还要再压延迟、做跨会话记忆，并覆盖更多长尾语言，说明这些还没有算进已经完成的评测。
阿里云，Qwen Team，Qwen3.8-LiveTranslate: Names the speaker. Carries the meaning.，2026-09-18，https://qwen.ai/blog?id=qwen3.8-livetranslate
觉得有用，转给同事
微信扫码
用微信扫一扫，在手机上打开后即可转发。