腾讯混元开源Hy-SimulMT同传模型 时延优于人类译员
10月26日，一款具备低时延、高准确率的同声传译模型Hy-SimulMT发布并开源。该模型支持中英语言之间的语音到语音实时翻译——说话人的音频可实时输入模型，模型边听边译，能实时输出译文与语音，还具备实时音色克隆功能，可高度还原说话人的声音与语气。目前，该模型已在某翻译应用首发，免费向用户提供服务体验。
低时延是该模型的核心优势之一。实测显示，Hy-SimulMT的响应时间约为3秒，而人类专业译员的平均响应时间为4-5秒。多项测评结果表明，该模型的翻译效果不仅优于市面上主流的开源同传模型，甚至超过了大部分商用同传API。
在业界常用的长音频开源评测集RealSI上，Hy-SimulMT展现出优异的同传翻译效果。横轴的StreamLAAL指标代表翻译延迟，数值越低越好；纵轴为翻译质量，由GPT6.1-Sol打分，数值越高越好。Hy-SimulMT在延迟最低的情况下，翻译效果达到开源模型的最佳水平，甚至超过多数商业API。在短音频测试集上，该模型同样表现出色。
横向对比：开源同传模型最佳，超越部分商用API
为准确评估Hy-SimulMT的真实水平，研究团队在合规范围内收集了涵盖软件AI、医学、制造能源、自然科学、农业食品、商务管理、法律、教育、文化文旅、体育生活共10个领域的中英文音频，涉及演讲、访谈、会议等多个场景。测评中，研究人员不仅测试了模型的效果，还邀请了6位专业同传译员参与测试（其中3位持有CATTI一级证书，3位持有二级证书，均具备多年实战经验）。结果显示，Hy-SimulMT的翻译质量达到了人类同传专家的水平，且响应速度更快，时延更低。
在实际场景测评中，该模型的译语听感自然，常规信息传达准确。为控制延迟，系统采用“先开口、后修补”的策略，修补部分的听感接近译员的自我修正。这标志着国产AI同传能力迈上新台阶，推动AI同传从“辅助理解”向低风险场景“可用沟通”迈进，为建立人机协同翻译新范式提供重要支撑。
广外高翻学院副院长 王巍巍
同声传译是语言服务中最具挑战性的领域。通过系统测评，该模型在语音识别稳定性、响应速度与译语质量上均展现出不俗实力，体现了AI同传技术的进步，为机器同传走进真实场景提供了有力技术支撑。
广东外语外贸大学原校长、中国翻译协会原常务副会长 仲伟合教授
同声传译如同人类语言能力的极限运动，优秀译员需在说话人尚未落音时，就抢进意义的缝隙里完成理解、转换与表达。未来，Hy-SimulMT将持续降低时延、提升准确率，让机器节奏更贴近人类同传的同步感。研究团队希望，随着技术可靠性提升，翻译能从机械的字词搬运转向更深度的文化传递，听懂言外之意，传递语气温度，搭建跨文化沟通的桥梁。
开源地址：
HuggingFace：https://huggingface.co/collections/tencent/hy-simulmt
Modelscope：https://www.modelscope.cn/collections/Tencent-Hunyuan/Hy-SimulMT
此外，11月APEC会议将在深圳举行，相关翻译应用将成为志愿者及基层服务人员的官方AI翻译工具，支持33种语言互译，集成了这款新的同声传译模型。
