9月30日，通义千问重磅推出基于大语言模型的多语言实时音视频翻译系统——Qwen3-LiveTranslate-Flash，为全球跨语言交流开启全新篇章。这一创新系统不仅支持18种语言的离线与实时翻译，更实现了对中文、英语、法语、德语、俄语、西班牙语等主流语言以及普通话、粤语、北京话、吴语等方言的全面覆盖，为国际交流搭建起无障碍沟通的桥梁。
Qwen3-LiveTranslate-Flash的核心突破在于其先进的视觉上下文增强技术。该系统不仅能精准识别语音内容，更通过深度学习技术同步解析口型、动作、文字及实体等多模态信息，从而全面理解交流场景的深层含义。这种创新的多模态融合机制，显著提升了在嘈杂环境及复杂语境下的翻译准确率，有效解决了传统翻译中的一词多译难题，让跨语言沟通更加精准自然。
在实时性方面，Qwen3-LiveTranslate-Flash采用轻量混合专家架构与动态采样策略，将同传延迟降至历史最低的3秒以内，大幅增强了实时翻译的流畅度与互动性。此外，系统通过语义单元预测技术，巧妙应对跨语言翻译中的语序差异问题，确保输出结果接近离线翻译的高品质标准。测试数据显示，该系统在中英及多语言翻译准确率上全面超越Gemini-2.5-Flash、GPT-4o-Audio-Preview和Voxtral Small-24B等业界领先模型，在多领域复杂声学环境下的表现尤为突出。
在语音合成技术方面，Qwen3-LiveTranslate-Flash依托海量真实语音数据进行深度训练，能够根据原始语音内容智能调整语气与表现力，生成极具感染力的自然音色。通义千问团队表示，未来将持续优化算法模型，进一步提升翻译的精准度与自然度，逐步扩展语种覆盖范围，并增强系统在极端语音环境下的鲁棒性，致力于为全球用户提供更加智能、便捷的跨语言沟通解决方案。