9 月 28 日，酷派 AI 智能拍照音频眼镜已正式开售。磨砂黑款定价 699 元，叠加国家补贴后到手价 594.15 元；哑光银升级款定价 799 元，国补价 679.15 元。这款产品定位”眼镜 + 耳机 + AI 相机”的多合一融合设备，主打第一人称拍摄、人工智能助手与开放式音频三大功能。

第一视角拍摄与实时翻译

外观采用经典 D 形眼镜框设计，配备 800 万像素高清摄录系统，支持 1080P 画面拍摄，可进行第一人称视角记录，并支持抖音第一视角直播。用户可通过语音唤醒一键快拍，也可使用物理按键操作：短按拍照、双击录像。

音频方面采用开放式设计，配备双大尺寸高保真立体扬声器。设备搭载智能大模型，唤醒词为”你好，小成”，支持智能问答、随身百科、会议记录等功能。在音视频通话中，眼镜可提供实时文字翻译，方便跨国沟通。

触控与按键双交互

交互上同时支持智能触控与物理按键两种方式。触控操作中，前滑调高音量、后滑调低音量，单击播放或暂停、双击下一首、三击上一首。物理按键则支持短按拍照、长按 2 秒录音、双击录像、单击结束录像；来电时单击接听、长按 2 秒拒接，通话中单击结束通话，操作逻辑清晰直观。

续航与配镜

续航方面，眼镜内置 290mAh 电池，续航约 9 小时，充电时间不超过 2 小时，支持 Type-C 反向充电，可边充边用，不中断使用体验。配镜方面支持一元配镜，用户可通过京东自营配镜流程，自主选择镜框、镜片品牌型号、折射率并填写视力信息完成配镜，部分镜片还可享受优惠。

在百元级价位上把拍摄、开放式音频与人工智能助手整合进一副眼镜，酷派这款产品为初次尝试智能眼镜、又希望保留核心功能的用户提供了一个门槛较低的选项。

从 2.8 秒到 2.3 秒

实时同声传译最大的难点不在”翻得准”，而在”翻得跟得上”。字均延迟衡量的是源语言语音与其对应译文之间的平均滞后，在长达两小时的跨国会议里，半秒之差就可能造成说话人已翻篇、译员还在补上一句的脱节。

在支持 60 种语言的基础上，Qwen3.8-LiveTranslate 新增三项能力，直指同传落地时最容易被卡住的环节：实时说话人分离让每句话归属清晰、音色复刻更稳定；原文译文同帧同出实现双语同屏；长上下文消歧则联系前文语境理解当下内容，让人名与专业术语的翻译更精准。这三项能力过去往往要靠人工译员兜底，如今被写进了模型的能力清单。

Thinker 与 Talker 各管一段

技术路线上，Qwen3.8-LiveTranslate 采用基于 Hybrid MoE 的 Thinker–Talker 双模块设计，通过 Interleave 方式衔接流式理解、文本输出与语音生成。其中 Thinker 把视频、音频、原文与译文编排进同一条因果序列，按时序交替排列、端到端产出，让理解与翻译在单一序列内完成；Talker 则结合译文与源音频，将译文合成为保留原说话人音色的语音。

这种单模型内端到端的处理方式，替代了传统”语音识别 + 机器翻译 + 语音合成”逐级串联的流水线，减少了每一级衔接带来的缓冲与误差传播。语义单元预测让模型能在完整句子到达前就吐出连贯短语，动态采样控制新上下文到来时的输出时机，混合专家设计则把每个 token 只路由到模型参数的一部分，从而压低计算量。

评测全面领先主流系统

在覆盖 14 个语向的多说话人长音频评测集 Omnilingua-MSpeaker 上，Qwen3.8-LiveTranslate 在翻译忠实度、流畅度、简洁度以及说话人分离错误率（DER）四个维度上，均优于当前行业主流实时同传系统。官方还在公开 FLEURS 音频测试集上评测了 70 个语言方向的实时同传表现，结果显示其在翻译质量、字均延迟、语音识别准确率与语音合成质量四个维度上，均领先于上一代模型及当前主流实时同传系统。

用户可通过官方体验链接尝鲜，相关模型 API 也已同步开放。对于需要跨语言沟通的会议、直播与教学场景，这类将说话人分离、双语同屏与术语消歧整合进单一接口的同传模型，正在把过去由多个独立语音服务拼凑的流程压缩成一次调用。