腾讯混元发布开源同声传译大模型Hy-SimulMT：3秒低延迟、音色克隆实时翻译，质量达人类同传专家水平

SmartHey10月26日消息，腾讯混元推出的同声传译大模型 Hy-SimulMT 正式发布并开源。该模型具备超低时延与高准确率双重优势，支持中英语音到语音的实时同传翻译——用户语音输入后，模型边听边译，即时输出文字译文与合成语音，并集成实时音色克隆技术，高度还原原说话人的声线、语调与表达节奏。目前，Hy-SimulMT 已在腾讯「Hy 翻译」App 中首发上线，面向公众免费开放体验。

据官方介绍，低时延是 Hy-SimulMT 的核心突破之一：实测端到端响应时间稳定在约3秒，优于人类专业同传译员平均4–5秒的反应速度。在权威横向评测中，其翻译质量超越主流开源同传模型，并在多项指标上媲美甚至优于当前主流商用同传API服务。

在业界广泛采用的长音频同传评测集 RealSI 上，Hy-SimulMT 展现出稳健优异的实时翻译能力，尤其在复杂句式与领域术语处理方面表现突出。

图中横轴 StreamLAAL 表征同传延迟（单位：秒），数值越低代表响应越快；纵轴为翻译质量得分（基于 GPT-6.1-Sol 大模型自动评估），分数越高表示语义准确性、流畅性与专业性越强。结果显示：Hy-SimulMT 在实现最低延迟的同时，翻译质量位居开源模型榜首，并超越多数商用API。

在短音频场景下，Hy-SimulMT 同样保持高稳定性与高保真度，适用于即兴问答、短视频配音、轻量会议等多种应用。

为更真实反映模型在实际场景中的能力，研发团队在合规前提下，系统采集了互联网新近发布的中英文真实音频，覆盖软件与AI、医学、制造与能源、自然科学、农业与食品、商务管理、法律、教育、文化与文旅、体育与生活等十大垂直领域，涵盖演讲、深度访谈、多轮会议等多样化口语场景。

基于该高质量测试集，团队同步组织6位资深人类同传专家开展对照评测：其中3位持CATTI一级口译证书，3位持CATTI二级口译证书，均拥有10年以上一线同传实战经验。测评从“延迟”与“翻译质量”两大维度进行双盲比对，人类专家成绩取三人最高分作为基准。结果表明：Hy-SimulMT 不仅时延显著更低，其翻译质量综合得分亦达到甚至略超人类专家水平，标志着AI同传正式迈入“实用级拟人化”新阶段。