2026年5月20日，通义实验室正式发布Qwen3.5-LiveTranslate-Flash实时语音翻译模型。该模型支持60种语言音频输入与文本输出、29种语言音频输出，端到端字均延迟低至2.8秒，并首次实现动态跨语言音色克隆，保留说话人原声特征。其面向跨境直播、跨国会议等高时效场景，集成可读单元流式技术、热词引擎及多模态视觉消歧能力。相较前代，语种覆盖提升超2倍，延迟降低1.88秒，翻译准确率显著提高。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。