|잡돌쌤•2026-05-20•1분 소요

알리바바 Qwen팀이 Qwen3.5-LiveTranslate-Flash를 공개했어요

💡 한줄 요약|알리바바 Qwen팀이 Qwen3.5-LiveTranslate-Flash를 공개했어요. 이전 모델 대비 언어 지원을 18개 → 60개로 3배 이상 확장하고, 지연 시간을 2.8초까지 줄인 실시간 동시통역 모델이에요.

알리바바 Qwen팀이 Qwen3.5-LiveTranslate-Flash를 공개했어요. 이전 모델 대비 언어 지원을 18개 → 60개로 3배 이상 확장하고, 지연 시간을 2.8초까지 줄인 실시간 동시통역 모델이에요.

핵심 기술은 '읽기 단위(reading units)' 처리 방식이에요. 문장이 끝날 때까지 기다리지 않고 의미가 충분히 쌓인 시점에 바로 번역을 스트리밍하거든요. 여기에 음성뿐 아니라 화면 텍스트, 입 모양, 제스처까지 시각 정보를 함께 분석해서 잡음 많은 현실 환경에서도 정확도를 유지해요.

음성 출력은 29개 언어를 지원하고, 실시간 화자 음성 복제 기능도 들어있어요. 글로벌 서비스에서 언어별 모델을 따로 쓰던 번거로움이 크게 줄어들 것 같아요.

이 글이 어땠나요?

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요.

잡돌쌤2분 소요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요.

잡돌쌤2분 소요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요.

잡돌쌤2분 소요

관련 글

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요