モデル・開発
Qwen3.8-LiveTranslateをAPI提供
リアルタイム話者分離、原文と翻訳の同期出力、長い会話文脈を使う同時通訳へ更新しました。
60言語の音声入力をリアルタイム通訳
Qwenは、リアルタイム同時通訳モデルQwen3.8-LiveTranslateを公開しました。
音声入力とテキスト出力は60言語、翻訳音声の出力は29言語に対応します。日本語は音声出力の対象です。
複数人の会話で話者を分離し、各発言の話者識別子と原言語テキストを返せます。
翻訳後の音声では、話者ごとの声色をより安定して維持することを目標にしています。
原文と翻訳を同期して出力し、同じ画面で内容を照合できる構成です。
過去の発言と文脈を参照し、固有名詞や指示語、専門用語の曖昧さを減らします。
画像フレームを視覚的な文脈として送るインターフェースも示されています。
DashScopeのWebSocket APIからqwen3.8-livetranslate-flash-realtimeを指定して利用できます。
テキストだけ、または翻訳テキストと24kHz音声の両方を返す構成を選択できます。
平均遅延が前世代の2.8秒から2.3秒へ短縮したという値や品質比較はQwen自身の評価で、独立評価ではありません。
監査時点でモデルウェイトの公開は確認できず、この記事はDashScope APIでの提供として扱います。