Qwen3.5-LiveTranslate - Alitongyiが開発したリアルタイム同時通訳モデル

Qwen3.5-LiveTranslateとは何ですか？

Qwen3.5-LiveTranslateは、アリババ同義チームが開発した大規模リアルタイム同時通訳モデルです。60言語の入力、29言語の出力、3500以上の翻訳組み合わせに対応しています。読みやすい単位ストリーミング技術により、エンドツーエンドの単語遅延を2.8秒に短縮。リアルタイムの音色クローン機能とホットワード強調機能を備え、国境を越えた会議、海外へのライブストリーミング、グローバルコラボレーションといったシナリオ向けに設計されています。

Qwen3.5-LiveTranslateの主な機能

• 多言語対応の包括的な翻訳60言語でのリスニング、スピーキング、リーディング、ライティングに対応し、29言語での音声出力が可能で、3500以上の翻訳ペアを生成し、世界中の主要なビジネスシーンや頻繁に使用される翻訳シナリオを網羅しています。
• 超低遅延ストリーミング同時通訳新しい「読み取り単位」技術に基づき、エンドツーエンドの単語遅延を最短2.8秒に抑えたストリーミング出力を実現し、スムーズなライブストリーミングやリアルタイム会議の要件を満たしています。
• リアルタイムのトーンクローニングたった1文で、ユーザーの元の声を複製することができ、異なる言語で出力する際にも、声の質と個性の一貫性を維持できます。
• ホットワードの精度向上個人名、ブランド名、業界用語の動的な設定と優先順位認識をサポートし、専門的な場面における用語の正確な翻訳を保証します。

Qwen3.5-LiveTranslateの技術原理

• ストリーミング読み取り可能ユニットアーキテクチャ音声入力は、リアルタイムのエンコードとデコードのために最小の意味単位に分割され、完全な文を待つ従来のバッチ処理モードを回避し、エンドツーエンドの遅延を大幅に削減します。
• エンドツーエンド音声大規模モデルQwen3.5マルチモーダルプラットフォームをベースとし、音声認識、翻訳、音声合成のモデリングを統合することで、連鎖的なエラーを低減し、異言語間音声変換の自然さを向上させます。
• 音色の一貫性コーディング話者の特徴を抽出し、ボコーダーを再構築することで、翻訳された目標言語の音声において、元の音色、イントネーション、感情的な特徴が保持されます。
• 注目のキーワード：動的注入機構推論の前にユーザー定義の用語ライブラリをモデルコンテキストに組み込むことで、特定の単語の認識優先度と翻訳精度が向上します。

Qwen3.5-LiveTranslateの使い方

• アクセス体験エントリーブラウザを開いて、QwenChat Qwen3.5-LiveTranslate モデルのエントリーポイント（https://omni.qwen.ai/）にアクセスするか、Alibaba Cloud Bailian プラットフォームのローンチをお待ちください。
• 同時通訳モードを選択してくださいダイアログインターフェースでLiveTranslateのリアルタイム翻訳モードに切り替え、ソース言語と翻訳言語を設定してください。
• ホットワードライブラリを設定する（オプション）翻訳の精度を向上させるため、会議や生放送に関わる技術用語、人物名、ブランド名をアップロードまたは入力してください。
• リアルタイム同時通訳を可能にするスタートボタンをクリックしてマイクに向かって話すと、システムが翻訳されたターゲット言語の音声をリアルタイムで出力します。
• サウンドクローニング設定（オプション）自分の声を録音し、「自分の声を使用する」機能を有効にすると、翻訳結果に元の声のトーンが保持されます。

Qwen3.5-LiveTranslateの主な利点

• 業界トップクラスの低遅延平均単語遅延時間2.8秒は、人間の同時通訳レベルに近く、従来のカスケード方式のソリューションよりもはるかに優れている。
• 高音質リアルタイムクローニング技術により、異言語間のコミュニケーションがよりパーソナルで親しみやすいものになる。
• プロの舞台脚色ホットワード強調機能は、ブランド名や技術用語の翻訳における課題を解決します。