เกิดอะไรขึ้น
- Alibaba Cloud ลงเอกสารโมเดลใหม่ไอดี qwen3.8-livetranslate-flash-realtime เป็นโมเดลแปลเสียงและวิดีโอสดหลายภาษา (Alibaba Cloud)
- รับข้อมูลเข้าทั้งเสียงและภาพ แล้วส่งออกได้ทั้งข้อความและเสียงพูดกลับมา (Alibaba Cloud)
- เป็นรุ่นต่อจาก qwen3.5-livetranslate-flash-realtime เรียกใช้ผ่าน WebSocket Realtime API ซึ่งก็คือช่องคุยแบบสดที่ส่งเสียงเข้าไปแล้วรับผลแปลกลับเกือบทันที (Alibaba Cloud)
- QwenCloud บอกว่าความหน่วงแบบต้นทางถึงปลายทางอยู่ราว 2.3 วินาที และเปิดระบบ diarization ที่แยกว่าใครพูดประโยคไหน กับ ASR ที่ถอดคำพูดเป็นข้อความ ไว้ให้ตั้งแต่ต้น (QwenCloud)
ตัวเลขและไทม์ไลน์ที่ต้องรู้
- ฟังเข้าใจได้ 60 ภาษา แต่พูดกลับออกมาเป็นเสียงได้ 29 ภาษา (Alibaba Cloud)
- หน้าต่างบริบทยาว 53248 โทเคน รับเข้าได้สูงสุด 49152 ส่งออกสูงสุด 4096 (Alibaba Cloud)
- เอกสารปรับปรุงล่าสุดวันที่ 19 ก.ย. 2026 (Alibaba Cloud)
- ความหน่วงราว 2.3 วินาที ดีกว่ารุ่นก่อน (QwenCloud)
อย่าเข้าใจผิด
- ตัวนี้คือโมเดลแปลเสียงและวิดีโอสด ไม่ใช่ Qwen3.8-Omni-Flash ที่เป็นโมเดลคนละตัวกันโดยสิ้นเชิง (Alibaba Cloud)
- ไม่ใช่การเล่าของเก่าซ้ำ แต่เป็นโมเดลใหม่ที่เพิ่งลง Model Studio และ QwenCloud พร้อมกัน (Alibaba Cloud / QwenCloud)
ราคาและการเรียกใช้
- โซน Singapore สำหรับลูกค้าสากล คิดเป็นดอลลาร์ต่อล้านโทเคน เสียงเข้า 7.5 ภาพเข้า 0.55 ข้อความออก 20 เสียงออก 30 (Alibaba Cloud)
- โซนจีนที่ Beijing เสียงเข้า 5.653 ภาพเข้า 0.466 ข้อความออก 14.133 เสียงออก 22.613 ดอลลาร์ต่อล้านโทเคน (Alibaba Cloud)
- ใช้งานผ่าน WebSocket Realtime API เท่านั้น (Alibaba Cloud)
สรุป
งานไหนที่ต้องคุยข้ามภาษาแบบสด ๆ ไม่ว่าประชุมออนไลน์หรือถ่ายทอดสด ตระกูล LiveTranslate น่าจะเป็นทางเลือกที่ถูกกว่าการจ้างล่ามนั่งรอทั้งวันครับ
แหล่ง: Alibaba Cloud Model Studio · QwenCloud · 19 ก.ย. 2026