Qwen3.8-LiveTranslate：标注说话者，传达含义（3分钟阅读）

TLDR AI 模型
ai-translation real-time-translation speaker-separation voice-cloning multilingual

摘要

Qwen3.8-LiveTranslate 是一款 AI 模型，采用交错音频文本架构，减少翻译延迟并提升质量，支持实时说话人分离和语音克隆，涵盖60种语言。

Qwen3.8-LiveTranslate 采用交错音频文本架构，将平均翻译延迟从 2.8 秒降低到 2.3 秒，同时提升质量。它新增了实时说话人分离、双语源对齐、长上下文消歧和跨60种输入语言的语音克隆功能。
查看原文

相似文章

Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice

Hugging Face Models Trending

阿里巴巴的Qwen团队发布了Qwen3-TTS-12Hz-1.7B-CustomVoice，这是一个强大的文本转语音模型，支持10种语言，具有低延迟流式传输、基于指令的语音控制和强大的上下文理解能力。

Qwen3-TTS 技术报告

Papers with Code Trending

Qwen3-TTS 技术报告介绍了一系列先进的多语言文本转语音模型，具备语音克隆和可控生成能力，采用双轨 LM 架构和专用分词器以实现低延迟流式处理。