Qwen3.8-LiveTranslate Resmi Hadir, Terjemahan Suara Real-Time Kini Makin Cepat

Bayangkan sedang mengikuti meeting dengan orang dari negara lain, lalu percakapan mereka langsung diterjemahkan hampir tanpa jeda. Bukan lagi sekadar transkrip setelah pembicaraan selesai, tetapi interpretasi yang berjalan ketika orang masih berbicara.

Konsep seperti ini menjadi fokus terbaru Alibaba melalui Qwen3.8-LiveTranslate, model AI yang dirancang khusus untuk penerjemahan simultan secara real-time.

Qwen menyebut model terbaru ini menggunakan arsitektur Interleave yang dirancang untuk membuat proses memahami audio, menghasilkan terjemahan, dan menghasilkan suara berlangsung lebih terintegrasi. Hasilnya, average lagging atau LAAL turun dari sekitar 2,8 detik menjadi 2,3 detik dibanding generasi sebelumnya.

Bukan Sekadar Menerjemahkan Lebih Cepat

Perbedaan utama Qwen3.8-LiveTranslate bukan hanya soal angka latency.

Dalam penerjemahan simultan, AI harus mengambil keputusan ketika kalimat sumber bahkan belum selesai. Kalau terlalu cepat, konteks bisa belum cukup sehingga hasil terjemahan berpotensi kurang tepat. Kalau terlalu lama menunggu, pengguna akan merasa percakapan tidak benar-benar real-time.

Arsitektur Interleave pada Qwen3.8-LiveTranslate mencoba menangani masalah tersebut dengan menggabungkan aliran audio dan teks dalam proses yang saling berkaitan. Model dapat memanfaatkan audio yang sudah didengar dan terjemahan yang sudah dihasilkan untuk melanjutkan proses berikutnya.

Jadi, targetnya bukan sekadar membuat AI berbicara lebih cepat, tetapi menjaga agar kecepatan tersebut tetap berjalan bersama kualitas terjemahan.

Memahami Hingga 60 Bahasa

Qwen3.8-LiveTranslate mendukung 60 bahasa untuk input audio dan output teks. Untuk output audio, cakupannya mencapai 29 bahasa.

Yang menarik, daftar tersebut mencakup bahasa yang cukup luas, termasuk bahasa Indonesia, Inggris, Mandarin, Jepang, Korea, Arab, Prancis, Jerman, Spanyol, Portugis, Thailand, Vietnam, Melayu, Hindi, Urdu, hingga sejumlah bahasa lainnya.

Artinya, model ini tidak hanya diarahkan untuk percakapan antara beberapa bahasa populer. Qwen juga mencoba memperluas penggunaan penerjemahan simultan ke lebih banyak kombinasi bahasa.

AI Kini Bisa Membedakan Siapa yang Sedang Bicara

Salah satu fitur baru yang cukup praktis adalah real-time speaker separation.

Dalam percakapan yang melibatkan beberapa orang, sistem dapat membedakan pembicara dan mengaitkan kalimat dengan orang yang tepat. Qwen juga menyebut kemampuan voice cloning dibuat lebih stabil sehingga karakter suara masing-masing pembicara dapat dipertahankan dengan lebih konsisten pada hasil suara terjemahan.

Fitur seperti ini bisa berguna dalam meeting, wawancara, diskusi kelompok, konferensi, maupun video dengan beberapa pembicara.

Bayangkan transkrip dan terjemahan tidak lagi menjadi satu blok teks panjang. Sistem bisa memahami bahwa kalimat pertama berasal dari orang A, kemudian dilanjutkan orang B, tanpa membuat percakapan terasa seperti satu suara yang tidak jelas sumbernya.

Terjemahan dan Teks Asli Bisa Tampil Bersamaan

Qwen3.8-LiveTranslate juga membawa konsep synchronized source and translation.

Dengan pendekatan ini, teks asli dan hasil terjemahan dapat ditampilkan secara bersamaan. Pengguna tidak hanya menerima hasil terjemahan, tetapi masih dapat melihat apa yang sebenarnya diucapkan.

Ini menarik untuk kebutuhan seperti subtitle bilingual, meeting internasional, pembelajaran bahasa, hingga pemeriksaan hasil terjemahan secara langsung.

Kalau kamu sering membuat atau mengelola konten teknologi, perkembangan seperti ini juga menarik karena AI semakin bergerak dari sekadar alat untuk menjawab pertanyaan menjadi teknologi yang bekerja langsung di dalam alur komunikasi manusia.

Context Panjang Membantu Nama dan Istilah

Masalah penerjemahan sering kali bukan karena AI tidak mengetahui arti sebuah kata, tetapi karena AI tidak mengetahui konteks penggunaan kata tersebut.

Misalnya ada nama orang, nama perusahaan, istilah teknis, atau sebuah kata yang mempunyai beberapa kemungkinan arti. Jika hanya menerjemahkan satu potongan kalimat, model bisa kehilangan informasi yang sebenarnya sudah disebut beberapa detik sebelumnya.

Qwen3.8-LiveTranslate membawa kemampuan long-context disambiguation untuk menghubungkan percakapan saat ini dengan konteks sebelumnya.

Dengan begitu, sistem dapat menggunakan informasi dari percakapan sebelumnya ketika menentukan terjemahan yang lebih tepat untuk istilah atau nama tertentu.

Dirancang untuk Audio dan Informasi Visual

Model ini juga tidak hanya mengandalkan audio. Qwen menjelaskan bahwa Qwen3.8-LiveTranslate dibangun dengan kemampuan multimodal yang dapat memanfaatkan input audio dan gambar.

Pendekatan tersebut memungkinkan konteks visual ikut membantu proses penerjemahan. Dalam situasi tertentu, informasi yang terlihat di layar atau lingkungan sekitar dapat membantu AI memahami maksud sebuah ucapan dengan lebih baik.

Ini penting karena komunikasi manusia sebenarnya tidak hanya bergantung pada suara. Gerakan, teks di layar, dan konteks visual juga dapat memberikan informasi tambahan.

Bagaimana Qwen3.8-LiveTranslate Bisa Dipakai?

Potensi penggunaannya cukup luas.

• Meeting antara tim dari berbagai negara.
• Interpretasi konferensi dan acara internasional.
• Subtitle bilingual secara real-time.
• Wawancara dengan narasumber asing.
• Penerjemahan percakapan perjalanan.
• Pembelajaran bahasa secara langsung.
• Produk komunikasi multilingual berbasis AI.

Bagi developer, Qwen menyediakan model real-time tersebut melalui API WebSocket. Dokumentasi QwenCloud mencantumkan model qwen3.8-livetranslate-flash-realtime untuk penerjemahan audio/video secara real-time.

Bukan Berarti Penerjemah Manusia Langsung Tidak Dibutuhkan

Meski perkembangan ini menarik, kemampuan real-time translation tetap tidak berarti semua situasi dapat diserahkan sepenuhnya kepada AI.

Dalam percakapan santai, meeting umum, atau kebutuhan subtitle, latency rendah tentu sangat membantu. Tetapi untuk konteks hukum, medis, diplomatik, atau percakapan yang sangat sensitif, akurasi istilah dan pemahaman konteks tetap membutuhkan perhatian lebih besar.

Justru perkembangan seperti Qwen3.8-LiveTranslate menunjukkan arah yang lebih realistis: AI dapat menjadi lapisan penerjemahan yang membuat komunikasi lintas bahasa jauh lebih mudah, sementara manusia tetap menentukan kapan hasil tersebut cukup dapat dipercaya untuk digunakan.

Qwen3.8-LiveTranslate Menunjukkan Arah Baru AI Voice

Yang menarik dari rilis ini bukan hanya angka 2,3 detik.

Qwen sedang mencoba menggabungkan beberapa kemampuan yang sebelumnya sering berdiri sendiri: speech recognition, translation, speaker identification, voice generation, konteks percakapan, dan informasi visual.

Jika teknologi seperti ini terus berkembang, pengalaman berbicara dengan seseorang dalam bahasa berbeda bisa terasa semakin natural. Pengguna tidak perlu lagi berhenti, mengetik kalimat, menunggu hasil terjemahan, lalu melanjutkan percakapan.

Prosesnya bisa bergerak lebih dekat ke pola komunikasi manusia: dengar, pahami, terjemahkan, lalu bicara kembali.

Untuk melihat bagaimana perkembangan AI juga mulai memengaruhi cara website dan konten ditemukan mesin pencari, kamu bisa membaca artikel tentang schema dan peluang website menjadi sumber kutipan AI.

Dan jika ingin melihat perkembangan AI yang mulai masuk langsung ke perangkat desktop, pembahasan tentang Google Gemini di Windows juga masih relevan.

Kesimpulan

Qwen3.8-LiveTranslate membawa pendekatan baru untuk penerjemahan simultan dengan menggabungkan latency rendah, dukungan 60 bahasa, output suara dalam 29 bahasa, pemisahan pembicara secara real-time, tampilan bilingual, serta pemahaman konteks panjang.

Penurunan average lagging dari 2,8 detik menjadi 2,3 detik memang terlihat sederhana di atas kertas. Namun dalam percakapan langsung, selisih tersebut bisa membuat interaksi terasa lebih responsif.

Yang paling menarik justru arah pengembangannya. AI penerjemah tidak lagi hanya dituntut untuk menghasilkan kalimat yang benar, tetapi juga memahami siapa yang berbicara, apa konteksnya, dan bagaimana menyampaikan hasil terjemahan tanpa terlalu mengganggu ritme percakapan.