翻译不只听声音了：千问Qwen3.8-LiveTranslate 开始“看懂”实时现场 专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态，欢迎关注！* 跨语言会议最容易冷场的时刻，往往不是翻译出错，而是所有人都在等翻译。 有人说完一句，字幕还没出来；字幕终于出现，下一位发言者已经开口。多人同时说话时，系统还可能分不清声音和译文到底属于谁。 千问近日推出实时同声传译模型 **Qwen3.8-LiveTranslate**，重点放在说话人分离、原文与译文同步，以及声音和画面结合的实时翻译上。 同传先要知道“谁在说话” 传统实时翻译大多按照“语音识别—机器翻译—语音合成”的顺序工作。 一个人安静讲话时，这条链路能够正常运行。换到会议、访谈或直播现场，情况就复杂多了：发言人会打断彼此，声音会重叠，系统也很难及时判断一句话属于谁。 Qwen3.8-LiveTranslate加入了实时说话人分离功能。模型不只需要识别内容，还要尽量区分不同发言者，并将译文对应到具体声音。 这个变化看起来不如“准确率提升”醒目，却直接关系到产品能不能进入