Qwen3.8-LiveTranslate

Qwen3.8-LiveTranslate 是阿里通义千问在 2026 年 9 月 18 日官方博客中发布的实时同传模型，API 型号为 qwen3.8-livetranslate-flash-realtime。模型把输入语音实时翻译为文字和语音，并可利用画面提供的上下文；官方给出的 2.3 秒是评测指标，不是 API 响应时间承诺。

能理解的语言多于能生成语音的语言

官方完整语种表列出 60 种语音输入与文本输出语言，以及 29 种语音输出语言。能识别或显示某种语言，不代表能用该语言发声。官方还介绍了说话人分离与音色保留、原文译文同步显示，以及借助上下文消除人名和术语歧义。

29 种语音输出语言

Chinese, English, German, Italian, Portuguese, Spanish, Japanese, Korean, French, Russian, Thai, Indonesian, Arabic, Vietnamese, Turkish, Finnish, Polish, Hindi, Dutch, Czech, Urdu, Filipino, Swedish, Danish, Hebrew, Icelandic, Malay, Norwegian, Persian。

另外 31 种语音输入与文本输出语言

Afrikaans, Asturian, Azerbaijani, Belarusian, Bengali, Bosnian, Bulgarian, Cantonese, Catalan, Cebuano, Croatian, Estonian, Galician, Gujarati, Greek, Hungarian, Javanese, Kannada, Kazakh, Kyrgyz, Latvian, Macedonian, Malayalam, Marathi, Punjabi, Romanian, Slovak, Slovenian, Swahili, Tajik, Ukrainian。这 31 种语言不在官方语音输出清单中。

延迟与翻译质量仍应按官方评测口径理解

官方称 Interleave 架构把长度自适应平均延迟（LAAL）从 2.8 秒降至 2.3 秒。该指标衡量评测协议下的翻译滞后，并不构成线上服务的延迟保证。发布博客还给出 Omnilingua-MSpeaker 与 FLEURS 上的翻译质量对比；这些属于厂商自测，本次复核未找到这一具体版本的独立测试。

输入与输出费用需要一起计算

模型以闭源 API 方式通过 QwenCloud 和阿里云百炼提供。QwenCloud 每百万 tokens 的价格为：音频输入 7.5 美元、图像输入 0.55 美元、文本输出 20 美元、音频输出 30 美元。输入和生成输出分别计费，单独的音频输入价格不能代表语音同传的总成本。

实时译声与字幕是适用场景

会议同传和直播字幕需要本模型的翻译及流式输出能力。只需原文转写时，应比较专用 ASR 模型；把给定文字读出来则属于 Qwen-Audio-3.1-TTS-Flash 的任务。面向语音本地化时，应先确认目标语言在 29 种语音输出范围内。

来源：Qwen 官方发布与语种表；QwenCloud 模型及价格。复核日期：2026 年 9 月 28 日。