騰訊混元開源同聲傳譯大模型 Hy-SimulMT:延遲低於人類譯員，質量比肩專業口譯

10月26日，騰訊混元同聲傳譯大模型 Hy-SimulMT 發佈並開源，支持中英語音到語音實時翻譯:說話人音頻可實時輸入模型，邊聽邊譯同步輸出譯文與語音，並支持實時音色克隆，還原說話人聲音與語氣。模型已在騰訊 Hy 翻譯 App 首發免費體驗，開源倉庫同步上線 HuggingFace、ModelScope 與 GitHub。

低時延是該模型核心指標，實測響應約3秒，低於人類專業譯員4-5秒的平均水平。在與6位持證同傳專家（3位 CATTI 一級、3位 CATTI 二級）就軟件 AI、醫學、製造能源、商務管理等十個領域音頻的對比中，Hy-SimulMT 的 StreamLAAL 延遲3.3秒，優於 CATTI 一級專家的4.5秒與二級專家的4.7秒，翻譯質量達到人類同傳專家水平。

長音頻評測集 RealSI 上，StreamLAAL 衡量延遲、GEMBA 衡量翻譯質量（由 GPT6.1-Sol 打分），Hy-SimulMT 以約3.1秒延遲取得約86分，延遲最低且質量爲開源模型最佳，超過多數商用同傳 API。短音頻四項測試中，其 RealSI-Sentence 得分84.7爲全場最高，FLEURS90.3、ACL606081.2居開源模型首位，Gemini3.5-LiveTranslate 以 FLEURS92.4、ACL606082.6分列單項第一。

模型以"先開口、後修補"策略控制延遲，修補聽感接近譯員自我修正。廣外高翻學院副院長王巍巍、中國翻譯協會原常務副會長仲偉合教授認爲，其語音識別穩定性、同傳響應速度與譯語播報質量均表現不俗，推動機器同傳走進真實場景。