阿里巴巴Qwen團隊推出Qwen3.5-LiveTranslate-Flash：支持60種語言、延遲僅2.8秒的實時多模態翻譯模型

阿里巴巴Qwen團隊發佈了Qwen3.5-LiveTranslate-Flash，這是一款實時多模態翻譯模型，可同時處理音頻和視頻。該模型支持60種輸入語言，並以2.8秒的延遲輸出29種語言的語音。相比上一版本，新增了實時説話人聲音克隆、通過唇形和屏幕文本增強視覺理解，以及動態關鍵詞配置以處理領域特定術語。在FLEURS和CoVoST2基準測試中，該模型表現優於主要商業替代品。該模型通過阿里雲百鍊平台以API形式提供，使用WebSocket協議。