腾讯混元开源同声传译模型 Hy-SimulMT：延迟约3秒，支持中英实时互译
Miranda 10月26日，腾讯混元同声传译大模型 Hy-SimulMT 发布并开源。该模型支持中英文语音到语音的实时翻译，说话人的音频可以实时输入，模型边听边译，同时输出译文和语音。它还提供实时音色克隆能力，能够还原说话人的声音和语气。目前，该模型已在腾讯 Hy 翻译 App 首发，用户可免费体验。
在延迟表现上，Hy-SimulMT 的响应时间实测约为3秒，人类专业译员的平均水平通常在4到5秒。官方测评显示，其翻译效果优于市面上主流的开源同传模型，也超过大部分商用同传 API。在长音频开源评测集 RealSI 中，Hy-SimulMT 的延迟指标表现较好，翻译质量在开源模型中居前；在短音频测试集上也有较稳定的表现。
腾讯团队还收集了互联网上十个领域的中英文音频，包括软件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，场景覆盖演讲、访谈和会议等。团队邀请6位持有 CATTI 一级或二级口译证书、有多年同传经验的人类专家参与对比。结果显示，Hy-SimulMT 的翻译质量达到人类同传专家水平，并且时延更低。
目前，Hy-SimulMT 已在 HuggingFace、ModelScope 和 GitHub 等平台公开，开发者和研究人员可以获取模型进行测试或二次开发。
