一条命令跑起实时同传:Qwen3.5 LiveTranslate 浏览器 Demo 开源了

简介: 通义千问Qwen3.5 LiveTranslate浏览器端开源Demo,30秒体验超低延迟(2.5s首字)实时同传:支持60语种识别、29语种音色克隆语音输出、热词增强、视觉消歧,开箱即用。含完整WebSocket协议实现,助力快速集成。

你有没有遇到过这样的场景:老板丢来一个实时翻译 API 的文档链接,让你"接一下试试"——然后你发现,光是把麦克风采样、PCM 编码、WebSocket 子协议、流式音频回放这一整条链路跑通,就已经搭进去了两三天。

现在不需要了。

我们把 Qwen3.5 LiveTranslate 的完整浏览器端 Demo 开源了

克隆仓库,装依赖,一条 uvicorn 命令启动,打开浏览器就能体验实时同声传译——从麦克风输入到翻译文本和音频输出,全链路开箱即用。

GitHub 地址:https://github.com/modelstudioai/LiveTranslate-Demo/tree/main

为什么做这个 Demo
Qwen3.5 LiveTranslate(模型 ID:qwen3.5-livetranslate-flash-realtime)是通义千问语音团队推出的新一代实时同声传译模型。它已经通过阿里云百炼 / Model Studio 开放了 API,但如果你只看协议文档,很难直观感受到"实时"到底有多快、"音色克隆"到底像不像、"视觉消歧"到底怎么用。

这个 Demo 就是为了让你 30 秒内看到效果。

五项核心能力,一个 Demo 全部覆盖

  1. 多语向覆盖

能听懂 60 种语言,能说出 29 种语言的翻译音频。从中英日韩到阿拉伯语、印地语、冰岛语——覆盖范围远超常见同传方案。其余 31 种语言支持文本翻译输出。

  1. 超低延迟

首字延迟 2.5 秒,字均延迟 2.8 秒。基于全新"可读单元流式"技术,模型不等整句说完就开始翻译,但又不会像逐词翻译那样断裂——它以语义完整的"可读单元"为粒度流式输出。

  1. 实时音色克隆

翻译音频不是千篇一律的 TTS 机器音,而是实时复刻说话人的原始音色。你说中文,翻译出的英文"听起来还是你在说"。

  1. 热词增强

人名、地名、品牌名、行业术语——这些通用模型最容易翻错的词,可以通过热词表优先识别和翻译。在客户演示场景下,这个功能直接决定了翻译结果能不能用。

  1. 视觉消歧

打开摄像头模式后,模型会结合屏幕画面中的文字和场景信息来消除多义词歧义。比如当画面中出现"Apple"的 logo 时,模型知道说的是苹果公司而不是水果。

三步跑起来
环境要求: Python 3.10+,一个阿里云百炼 API Key(需要开通 qwen3.5-livetranslate-flash-realtime 模型权限)。

1. 克隆仓库

git clone https://github.com/modelstudioai/LiveTranslate-Demo.git
cd LiveTranslate-Demo

2. 安装依赖

python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install -r requirements.txt

3. 启动

python3 -m uvicorn server:app --host 127.0.0.1 --port 8010
浏览器打开 http://127.0.0.1:8010,在页面上输入你的 API Key,选择区域(中国大陆 / 新加坡国际站),就可以开始了。

不确定 Key 是否有权限?项目自带了一个检测脚本:

export DASHSCOPE_API_KEY="your_key"
python3 check_access.py mainland # 或 intl
架构一览
整个 Demo 的架构非常简洁:

浏览器(HTML/JS)
├─ 采集 16kHz mono PCM 音频
├─ [Camera 模式] 采集 JPEG 帧
└─ 通过 WebSocket 发送到本地后端
│
FastAPI 后端(server.py)
└─ 代理转发到阿里云百炼 WebSocket 端点
│
Qwen3.5-LiveTranslate-Flash 模型
└─ 返回流式翻译文本 + 24kHz PCM 音频
前端负责采集和播放,后端只做代理转发。所有核心逻辑在模型侧完成。代码量很小(一个 server.py + 一套静态文件),适合通读源码后直接参照接入到自有产品中。

作为 API 接入参考实现
这个 Demo 不只是"看效果"的玩具。它完整展示了阿里云百炼实时语音 API 的子协议实现:

session.update:配置翻译方向、热词表、输出模态
input_audio_buffer.append:流式推送音频数据
input_image_buffer.append:推送视觉帧(Camera 模式)
流式响应解析:处理增量文本和音频 chunk
如果你正在考虑把实时翻译能力集成到自己的产品中,直接读这个 Demo 的代码比看文档快得多。

双 Region 支持
内置中国大陆和新加坡国际站两个 Region 切换:

中国大陆:wss://dashscope.aliyuncs.com/api-ws/v1/realtime
国际站:wss://dashscope-intl.aliyuncs.com/api-ws/v1/realtime
页面上一个下拉框切换,满足不同区域的合规要求。

试试看
如果你做的事情和"实时翻译"沾边——无论是国际会议场景、跨语言客服、直播同传、还是教育领域的语言学习——这个 Demo 可以帮你在 5 分钟内验证 Qwen3.5 LiveTranslate 是否满足需求。

觉得有用的话,给个 Star 支持一下:

https://github.com/modelstudioai/LiveTranslate-Demo/tree/main有问题或建议欢迎提 Issue,PR 也随时欢迎。

相关文章
|
自然语言处理 API 内存技术
Qwen3-LiveTranslate-Flash:视、听、说全模态同传大模型
通义千问Qwen3-LiveTranslate-Flash推出实时多模态同声传译,支持18种语言及多种方言,融合视觉信息增强理解,实现3秒超低延迟、高精度语音翻译,适用于复杂环境下的跨语言交流。
1388 1
Qwen3-LiveTranslate-Flash:视、听、说全模态同传大模型
|
11月前
|
JavaScript Shell API
阿里云百炼 API 调用教程:准备 API-Key、配置环境变量和调用 API 流程
在使用阿里云百炼平台的大模型能力时,API 调用是核心环节 —— 无论是开发 AI 应用、测试模型效果,还是搭建智能服务,都需要通过 API 将大模型能力集成到自己的系统中。不过对很多开发者来说,从准备密钥到实际调用的流程可能存在疑问,比如 “API-Key 怎么获取”“环境变量配置有什么用”“不同语言怎么写调用代码”。本文结合最新的实操细节,用通俗的语言把整个流程拆解开,从账号准备到多语言调用,每一步都附具体操作和代码示例,帮大家快速上手。
23237 113
|
2月前
|
数据处理 API 开发工具
百炼知识库权限隔离实测:doc tag 打标 + SearchFilters 检索过滤 + 编译产物切视图,三种方法对跑(附 403 排查与 SDK 过滤语法)
本系列第八期聚焦知识库权限边界,实测三种权限控制方案:L1提示词约束(守意愿)、L2检索过滤(守可见性)、L3编译产物隔离(守存在)。基于暖屋家具库(6份公开+2份内部文档),对比其安全性、成本与适用场景,为知识库安全落地提供可复用的选型指南。(239字)
百炼知识库权限隔离实测:doc tag 打标 + SearchFilters 检索过滤 + 编译产物切视图,三种方法对跑(附 403 排查与 SDK 过滤语法)
|
2月前
|
人工智能 API 语音技术
技术实践|端云协同的百炼语音AI软件开发套件
Qwen-Audio-3.0移动端SDK是覆盖Android、iOS、HarmonyOS的语音AI套件,以C++为核心,提供可自由组合的原子能力(KWS、AEC、VAD、TTS等),通过统一API连接百炼云端ASR/TTS/Realtime等大模型,支持实时识别、合成、对话、翻译等场景。
829 4
|
4月前
|
人工智能 运维 监控
|
2月前
|
自然语言处理 API 语音技术
技术实践|开箱即用调用Qwen-Audio-3.0 系列模型API
阿里云百炼Qwen-Audio-3.0示例库上线!一站式整合语音识别(ASR)、语音合成(TTS)与实时语音对话(Realtime)三大能力,开箱即用、配置一个环境变量即可运行。覆盖非流式/流式识别、声音复刻、多语言合成、低延迟实时交互等场景,助力快速构建智能客服、数字人、会议纪要等应用。
1525 0
|
10月前
|
人工智能 Shell Linux
2026年Clawdbot(Moltbot)部署配置阿里云百炼API完整教程指南
Moltbot(原Clawdbot)是一款开源AI个人助手,支持本地部署,兼容MacOS、Windows、Linux等多种系统,可接入钉钉、飞书、WhatsApp等常用聊天工具,通过自然语言控制设备与服务。它作为功能强大的自动化工具,支持Qwen、Claude、GPT等主流大语言模型,能处理邮件、日程安排、市场调研等自动化任务,也可作为个人知识库随时响应查询,适用于24小时在线AI助手部署、自定义自动化流程搭建等场景。阿里云百炼Coding Plan套餐已支持Moltbot接入,可抵扣通义千问系列大模型,本文将详细拆解Moltbot安装、百炼API配置及套餐适配流程,确保不改变原意且无营销表述
3146 8
|
4月前
|
SQL 人工智能 自然语言处理
当Agent涌入企业,阿里云如何补齐RAG这关键一环?
对企业来说,智能体能否真正落地,除了模型能力,还要能安全、准确、可追溯地使用企业自己的知识。
486 0
|
5月前
|
人工智能 JSON 自然语言处理
阿里云百炼产品月报【2026年5月】
本月阿里云百炼平台重磅升级:发布Qwen3.7系列大模型(Max版推理后付费5折)、Qwen3.5实时语音翻译模型及HappyHorse-1.0(8折体验);上线官方CLI工具,支持10+模态一键调用;Token Plan支持多座席共享与精细化管理;MCP广场新增航班、天气等专业服务;金融、法律垂直领域上新20+智能应用模板。
956 3

热门文章

最新文章