Alibaba представила Qwen3.8-LiveTranslate — модель синхронного перевода речи с сохранением голоса говорящего.

Модель обрабатывает аудио, видео и текст в едином потоке, различает участников разговора и показывает оригинал вместе с переводом. Заявленная задержка составляет около 2,3 секунды.

Qwen3.8-LiveTranslate поддерживает 60 языков, сохраняет тембр и темп речи, учитывает визуальный контекст и удерживает имена и термины в продолжительных беседах.

https://qwen.ai/blog?id=qwen3.8-livetranslate - вот здесь детали.