模型发布

Qwen3.5-LiveTranslate:从声音到视觉,从词语到准确

原文标题:Qwen3.5-LiveTranslate: From Sound to Sight, From Word to Right

AI 摘要

Qwen3.5-LiveTranslate-Flash 是 Qwen 家族最新的同声传译模型,基于 Qwen3.5-Omni 架构,支持实时多模态翻译(音频、视频及视觉上下文)。语言覆盖大幅扩展:输入音频与输出文本从18种增至60种,输出音频从10种增至29种。采用 Readable Unit 技术,平均端到端每 token 延迟降至2.8秒,相比前代首 token 延迟降低3.45秒、每 token 延迟降低1.88秒。支持一句话启动的实时语音克隆和可动态配置的热词增强。在 FLEURS 和 CoVoST2 基准上翻译准确率超越主流商用大语音模型。

关键信息

  • 5-LiveTranslate-Flash 是 Qwen 家族最新的同声传译模型,基于 Qwen3.
  • 5-Omni 架构,支持实时多模态翻译(音频、视频及视觉上下文)。
  • 语言覆盖大幅扩展:输入音频与输出文本从18种增至60种,输出音频从10种增至29种。
  • 采用 Readable Unit 技术,平均端到端每 token 延迟降至2.
  • 8秒,相比前代首 token 延迟降低3.

速览

发布时间
更新时间
来源
Qwen:Blog Retrieval(API)
分类
模型发布
AI 评分
77
阅读原文 前往信息源阅读完整正文
推荐理由

这个版本让同声传译从“能用”变成了“好用”,语言覆盖从 18 跃升 60,延迟压到 2.8 秒,加上视觉消除歧义,做国际业务和直播的人值得跟进。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Qwen3.5-LiveTranslate:从声音到视觉,从词语到准确。2026年5月19日。https://new.nat6.net/news/cmpcs39q504wrslae56ztkjwi/

查看全部 →
  • 引入 Ettin Reranker 系列

    Hugging Face 发布六个 Ettin Reranker 重排序模型(17m、32m、68m、150m、400m、1b),基于 Ettin ModernBERT 编码器,蒸馏 self-mxbai-rerank-large-v2…

    Hugging Face 社区博客(混合发现)模型发布AI 评分 60

  • Gemini 3.5:前沿智能与行动能力相结合

    Google 在 I/O 大会上正式发布了最新的 Gemini 3.5 模型系列。该系列模型将前沿的人工智能能力与执行操作的功能相结合,旨在提供更强的综合性能。作为 Google 最新推出的模型,它代表了其在大模型技术上的最新进展。

    Google Blog:AI(RSS)模型发布AI 评分 83

  • 推出Gemini Omni多模态AI模型

    谷歌推出原生多模态AI模型Gemini Omni,能够整合视频、图像、音频和文本等多种输入,生成高质量视频内容。其核心能力是通过自然语言对话进行视频编辑,并能保持角色一致性、物理规律与场景连贯性。首个模型Gemini Omni Flash…

    Google DeepMind:Blog(RSS)模型发布AI 评分 83

  • Google I/O 2026 发布合集:Gemini 进入自主智能体时代

    Google 在 I/O 2026 大会上宣布 Gemini 进入自主代理时代,新功能使其能够自动执行复杂任务,显著提升用户工作效率。大会展示了 Gemini 如何通过代理操作简化工作流程,实现自动化处理,例如自动管理邮件、安排日程或生成…

    Google Blog:AI(RSS)模型发布AI 评分 89