9月19日阿里发的同声传译模型Qwen3.8-LiveTranslate，大部分报道都在说延迟从2.8秒降到了2.3秒。

但我觉得有个功能比降延迟更有用。

就是“实时说话人分离”。

什么意思呢？你开一个跨国会议，张三讲完李四讲，李四讲完王五又插一句。

以前的同传，你只能听到翻译在说中文，但不知道现在翻的是谁的发言。

现在不一样了。它能分清每一句话是谁在说的，而且用那个人的音色把译文念出来。

你戴上耳机，听到的是“张三的声音在说中文”。下一个人发言，你能听出换人了。

每个人有每个人的“声音名片”。

说实话，做过跨国会议的人都知道，参会最痛苦的不是听不懂外语，是“不知道谁在说什么”。

五个人开会，翻译一直念，但你不确定现在这句是老板的决策还是同事的建议。等翻译念完了，讨论已经往下走了。

这个功能解决的其实是“会议参与感”的问题。

你不再是事后看纪要，而是实时知道每个人的观点和态度。

而且它新增的“原文译文同帧同出”也挺实用。原文和翻译在屏幕上并排对齐，你想看翻译看翻译，想对原文对原文，不用来回切换。

翻译不只是语言的转换，更是信息的传递。

把一个多小时的跨国会议从“听不懂”变成“听得清、分得明”，这可能比单纯快0.5秒更有价值。

而且延迟2.3秒这个数字本身也很能打。人类专业译员的反应时间就是2到3秒，AI已经追到这个区间了。