9月30日，通义千问发布基于大语言模型的多语言实时音视频翻译系统Qwen3-LiveTranslate-Flash，为跨语言交流带来革命性突破。该系统支持18种语言的离线和实时翻译，覆盖中文、英语、法语、德语、俄语、西班牙语等主流 ...
|
9月30日，通义千问发布基于大语言模型的多语言实时音视频翻译系统Qwen3-LiveTranslate-Flash，为跨语言交流带来革命性突破。 该系统支持18种语言的离线和实时翻译，覆盖中文、英语、法语、德语、俄语、西班牙语等主流语言，以及普通话、粤语、北京话、吴语等多种方言，为国际交流提供全方位语言支持。
Qwen3-LiveTranslate-Flash的核心创新在于视觉上下文增强技术。系统不仅能"听懂"语言，还能通过识别口型、动作、文字和实体等多模态信息"看懂"上下文，有效提升嘈杂环境和复杂语境下的翻译准确性，破解一词多译等翻译难题。 在延迟控制方面，该系统采用轻量混合专家架构与动态采样策略，实现最低仅3秒的同传延迟，大幅提升实时翻译流畅性。通过语义单元预测技术，系统还减轻了跨语言翻译中的调序问题，确保接近离线翻译的高质量输出。
测试数据显示，Qwen3-LiveTranslate-Flash在中英及多语言翻译准确率上显著超越Gemini-2.5-Flash、GPT-4o-Audio-Preview和Voxtral Small-24B等主流模型，在多领域和复杂声学环境下表现卓越。
语音合成方面，系统基于海量语音数据训练，能根据原始语音内容自适应调整语气和表现力，生成自然流畅的音色。通义千问表示，未来将持续提升翻译准确性和自然度，扩展语种覆盖范围，增强复杂语音环境下的鲁棒性。 |
官方手机版
微信公众号
商务合作
评论