Qwen представи модел за превод в реално време на 60 езика
Qwen пусна Qwen3.8-LiveTranslate — модел за симултанен превод в реално време, който обработва говор и по избор видеокадри. Той генерира преведен текст и реч, докато говорещият продължава да говори. Моделът използва нова архитектура Interleave, за която Qwen съобщава, че подобрява точността на смисъла, плавността и сбитостта. Измереното средно адаптивно закъснение е намаляло от 2,8 на 2,3 секунди.
Сред новите функции са разпознаване на отделни говорители при разговори с няколко участници, по-стабилно клониране на глас, синхронно показване на оригинала и превода и използване на дълъг контекст за разграничаване на имена и термини. Визуалните данни могат да помогнат при шумна среда или неясни думи. Поддържат се и ключови думи с предварително зададени преводи.
Моделът разбира 60 езика и генерира аудио и текст за 29 от тях; за останалите 31 връща само текст. Достъпът е чрез WebSocket Realtime API в Alibaba Cloud Model Studio и QwenCloud, с идентификатор qwen3.8-livetranslate-flash-realtime. Сингапурската цена е $7.50 за 1 млн. токена аудио вход и $30 за 1 млн. токена аудио изход. Контекстът е 53 248 токена.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.