通义千问发布实时同传模型 Qwen3.5-LiveTranslate，支持 60 种语言输入、29 种语音输出，端到端延迟 2.8 秒，实时音色克隆保留说话人原声。
通义千问发布实时同传模型 Qwen3.5-LiveTranslate，支持 60 种语言输入、29 种语音输出，端到端延迟 2.8 秒，实时音色克隆保留说话人原声。
小米MiMo-V2.5-Pro UltraSpeed在通用8卡GPU上实现万亿参数模型1000 tokens/s输出，是Pro满血版而非降智Flash版，API已上线可申请体验。
实时同传一直卡在三大痛点上：延迟高、语种覆盖少、AI 配音"机器感"太重。Qwen3.5-LiveTranslate-Flash 给出了一个系统性解法：60 种语言输入输出、端到端字均延迟 2.8 秒、还能保留说话人的原声音色。
| 能力 | Qwen3.5-LiveTranslate | 前代 Qwen3-LiveTranslate |
|---|---|---|
| 输入音频/输出文本语种 | 60 种 | 18 种 |
| 输出音频语种 | 29 种 | 10 种 |
| 端到端字均延迟 | 2.8 秒 | 4.68 秒 |
| 实时音色克隆 | 支持 | 不支持 |
| 热词引擎 | 1000 个自定义词条 | 不支持 |
在同传过程中，模型自动捕捉并复刻说话人的音色特征。翻译后，不同语言间仍然保持"同一个人"的声音质感与情绪表现力。主播、嘉宾、主持人的身份一致性大幅提升。
引入全新 Readable Unit（可读单元）实时翻译技术。在保证译文可读性与语义连贯的前提下，实现更激进的流式输出。字均延迟 2.8 秒，适用于直播、连麦、发布会等对时延极敏感的场景。
相比前代，首字延迟降低 3.45 秒、字均延迟降低 1.88 秒，翻译质量几乎无损。
支持最多 1000 个自定义词条。对人名、地名、品牌、产品型号、行业术语进行优先识别与翻译。特别适合技术发布会、医疗/法律/金融会议、企业内训等场景，显著降低"术语翻错、名字听错"的风险。
结合多模态理解能力，在语境模糊时自动引入视觉信息辅助判断，大幅降低"一词多义"导致的翻译歧义。
跨国会议 & 出境旅游：多语混说、复杂口音场景下，精准切分并同步翻译。搭配千问 AI 眼镜在海外点餐实测，语音交互 + 实时同传无缝衔接。
直播带货 & 影视出海：商品参数、价格、折扣数字翻译准确率极高。古文和文化内容也能准确理解并翻译，保留文化韵味。
智能硬件：可嵌入 AI 眼镜、翻译机等设备，提供语音交互 + 实时同传的一体化体验。
