先别急着翻文档，我们直接给你一个能跑起来的浏览器页面。
Qwen3.5 LiveTranslate 的完整浏览器端 Demo 已经开源了。你只需要克隆仓库、装好依赖、敲一行 uvicorn 命令，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。
为什么做这个 Demo
Qwen3.5 LiveTranslate 是通义千问语音团队推出的新一代实时同声传译模型。模型本身已经通过阿里云百炼开放了 API，但只看协议文档，其实很难直观感受到“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
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。
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。
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”。
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。
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。比如当画面中间出现“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-Demo2. 安装依赖
python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install -r requirements.txt3. 启动
python3 -m uvicorn server:app --host 127.0.0.1 --port 8010浏览器打开 https://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：
- 浏览器采集 16kHz mono PCM 音频，Camera 模式下采集 JPEG 帧，通过 WebSocket 发送到本地后端
- FastAPI 后端做袋里转发到阿里云百炼 WebSocket 端点
- Qwen3.5-LiveTranslate-Flash 模型返回流式翻译文本和 24kHz PCM 音频
前端负责采集和播放，后端只做袋里转发。所有核心逻辑在模型侧完成。代码量很小，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，页面上一个下拉框就能搞定，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。
