アリババQwenチームは、リアルタイムの同時通訳モデルであるQwen3.8-LiveTranslateをリリースしました。このモデルは生音声を聴取し、話者がまだ話し続けている間に翻訳されたテキストと音声の両方を返します。今回のリリースでは、レイテンシを削減し翻訳品質を向上させるために設計された新しいInterleaveアーキテクチャが導入されました。

  • 平均ラグ（LAAL）が2.8秒から2.3秒に短縮され、約18%の改善となりました。
  • 60言語を理解でき、そのうち29言語で音声出力が可能です。
  • リアルタイム話者 diarization、同期バイリンガル表示、長文脈の曖昧さ解消などの新機能が含まれます。
  • 騒がしい環境での視覚的手がかりを補助するため、音声とオプションの動画入力を受け付けます。
  • アリババクラウド Model Studio および QwenCloud 上で WebSocket API を介して利用可能です。

このモデルはホストされたAPIとしてデプロイされており、開発者は特定の価格 tiers で音声およびテキストの入出力に対してリアルタイム通訳をアプリケーションに統合できます。