同传

阿里通义最近推出实时同声传译模型 Qwen3.8-LiveTranslate，官方称字均延迟从过去的二点八秒降到二点三秒，支持六十种语言，新增实时说话人分离、原文译文同帧同出与长上下文消歧。架构上它采用 Hybrid MoE 的 Thinker 与 Talker 双模块，专门针对多人长会话做了优化。对会议与直播场景，延迟每压缩零点几秒，跟读体验就顺畅一截。 Thinker 与 Talker 双模块怎么分工？ 双模块是当前同传模型的主流思路，Thinker 负责先听懂、先理解上下文并生成翻译内容，Talker 再把译文快速合成成语音。这种拆法让「想」和「说」可以流水线并行，前一句还在合成时，后一句的理解已经开始，延迟自然就降下来。好处是长上下文里能记住前面聊过谁、说过什么，不会翻着翻着把话题接丢；坏处是模块并行对推理资源要求更高，端侧跑不动，基本得走云端 API。 多人抢话时说话人分离有用吗？ 多人会议最乱的就是抢话与插话，说话人分离就是把不同人声道分开，避免把 A 说的话安到 B 头上。它在正常轮流发言时提升明显，但在两个人同时开口、重叠严重时，分离模型仍会切错声道。实操建议是会议前先让每个发言人单独说几句做声纹校准，开会时尽量轮流。同帧同出功能适合投屏直播，但要盯着一行译文别滚得比声音还快，否则观众看字幕反而更累。 云端 API 是主用形态，端侧短期跑不动双模块；多人会议先做声纹校准、约定轮流发言。同帧字幕别滚得比声音快。把它当直播与会议的提效工具，关键术语与数字仍要人核对，别完全放手。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论