Alibaba выпустила Qwen3.8-LiveTranslate — модель для синхронного перевода речи и видео

Команда Qwen из Alibaba представила Qwen3.8-LiveTranslate — модель для синхронного перевода, которая переводит речь прямо по ходу разговора, а не после того, как человек договорит. В облачном сервисе QwenCloud она доступна как Qwen3.8-LiveTranslate-Flash в версии для работы в реальном времени. Модель понимает 60 языков, а голосом переводит на 29.

Главная цифра в анонсе — задержка. По показателю LAAL среднее отставание перевода от речи сократилось с 2,8 до 2,3 секунды. Кроме того, в Qwen говорят, что перевод стал точнее передавать смысл, звучит естественнее и короче. Такой результат объясняют чередующейся архитектурой: судя по названию, модель перемежает приём речи и выдачу перевода, но подробно устройство в посте не раскрыто.

Новых возможностей три. Модель на лету различает говорящих, если в разговоре участвуют несколько человек, и озвучивает перевод голосом каждого из них. Клонирование голоса, по словам разработчиков, стало стабильнее. Оригинал и перевод можно показывать на экране одновременно, как двуязычные субтитры. А чтобы одно и то же имя или термин не переводились по-разному, модель учитывает историю разговора.

На странице QwenCloud поясняется, что LiveTranslate построена на инфраструктуре Qwen-Omni. Это мультимодальная линейка, которая работает со звуком, изображением и видео. Перевод поддерживает и аудио, и видео: модель может опираться на картинку, например на движение губ или надписи на экране. Помимо режима реального времени, есть и офлайн-вариант для готовых записей.

Анонс вышел через день после Qwen3.8-Omni-Flash, мультимодальной модели того же поколения, которая понимает текст, картинки, звук и видео и умеет вызывать внешние инструменты. LiveTranslate выглядит как специализированный переводчик на её основе. Цен, лимитов и сравнения с конкурентами в посте нет, а на странице модели эти разделы пока пустые. Не сказано и то, выложат ли открытые веса: сейчас модель доступна только через облако.