AI関連の最新ニュースをピックアップ
アリババ（Alibaba）のQwenチームは、リアルタイムで多言語の同時通訳を行うマルチモーダルAIモデルQwen3.5-LiveTranslate-Flashを発表しました。これは、前世代のモデルから大幅な性能向上を果たしたアップグレード版です。
本モデルは、対応言語数が劇的に拡大され、従来の18言語から60言語の入力に対応し、29言語での音声出力をサポートしています。また、文章全体の完了を待たずに音声をストリーミングする独自の「Readable Unit」技術を採用したことで、Speech-to-Speech（音声間）の平均遅延を2.8秒にまで短縮しました。
最大の特徴は、音声に加えて映像フレーム（カメラ映像）を同時に処理できるマルチモーダル理解力です。ユーザーの唇の動きやジェスチャー、画面上のテキストなどの視覚的情報を統合して分析することで、騒がしい環境や音声品質が劣化した状況でも、極めて精度の高い翻訳を維持します。
さらに、わずか1文のサンプル音声から話者の声質をクローンできるリアルタイム音声クローニング機能や、専門用語・固有名詞を正確に認識するホットワード機能を備えています。本モデルはクローズドソースとして提供され、Alibaba Cloud Model Studio（DashScope）を通じてWebSocket API経由で利用可能です。