Qwen выпустила модель синхронного перевода для 60 языков
Qwen представила Qwen3.8-LiveTranslate — модель синхронного перевода в реальном времени, которая обрабатывает живую речь и, при необходимости, видеокадры. Она возвращает перевод в виде текста и речи, пока говорящий еще продолжает выступление. В основе решения лежит новая архитектура Interleave. По данным Qwen, она повышает точность передачи смысла, плавность и краткость, а средняя адаптивная задержка сократилась с 2,8 до 2,3 секунды.
В модель добавлены разделение речи по говорящим для многопользовательских разговоров, более стабильное клонирование голоса, синхронный показ исходного текста и перевода, а также использование длинного контекста для уточнения имен и терминов. Видеоданные, включая движения губ, жесты и текст на экране, могут использоваться при шуме или неоднозначной речи. Предусмотрены и ключевые слова с фиксированными переводами.
Qwen3.8-LiveTranslate понимает 60 языков и создает аудио вместе с текстом для 29 из них; для остальных 31 доступен только текст. Модель предоставляется через WebSocket Realtime API в Alibaba Cloud Model Studio и QwenCloud под идентификатором qwen3.8-livetranslate-flash-realtime. В сингапурском прайс-листе аудиовход стоит $7.50 за 1 млн токенов, а аудиовыход — $30. Контекстное окно составляет 53 248 токенов.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.