阿里云千问Qwen3.5-LiveTranslate-Flash模型是阿里云百炼平台推出的高精度、高响应、高鲁棒性的多语言实时音视频同传大模型，基于Qwen3.5-Omni基座模型，融合海量多模态数据、跨语言跨模态对齐与视觉增强技术，通义千问3.5-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力，能听懂60种语言，会说29种语言。
开通百炼：https://www.aliyun.com/product/bailian 免费领Token，Qwen3.5-LiveTranslate-Flash可以免费体验100万Tokens。
Qwen3.5-LiveTranslate-Flash模型可用于国际会议、跨境直播、多语种客服等对实时性与准确性要求高的场景，可通过 函数计算FC 一键快速部署该模型。
Qwen3.5-LiveTranslate-Flash模型能力
- 多语言覆盖：支持 60 种语言互译，其中 29 种语言支持音频+文本输出，其余 31 种仅输出文本
- 视觉增强翻译：同时处理 音频 + 图像输入，通过分析画面中的口型、动作、文字等视觉上下文，显著提升嘈杂环境或一词多义场景下的翻译准确率
- 低延迟高质量：端到端同传延迟低至 2.8 秒，采用语义单元预测技术解决跨语言语序差异，翻译质量接近离线水平
- 自然拟人语音：生成语气、情感自适应的高质量合成语音；支持 声音复刻（可实时或使用预存音色），使翻译播报“听起来像本人说外语”
- 热词配置：支持注入领域热词，提升专业术语翻译准确性
技术规格
- 输入模态：Audio + Image
- 输出模态：Text + Audio
- 上下文长度：53,248 tokens（最大输入 49,152，最大输出 4,096）
- 不支持功能：Function Calling、结构化输出、联网搜索、前缀续写、批量推理、模型调优
费用价格与限流（华北2/北京）
- 价格：音频输入 40 元/百万 tokens，图片输入 3.3 元/百万 tokens，文本输出 100 元/百万 tokens，音频输出 160 元/百万 tokens
- 限流：RPM=10，TPM=100,000
更多关于Qwen3.5-LiveTranslate-Flash模型的介绍，请移步到阿里云百炼AI大模型官方平台查看：https://www.aliyun.com/product/bailian
