腾讯混元开源同声传译大模型，中英互译延迟约3秒

10月26日，腾讯混元发布并开源同声传译大模型 Hy-SimulMT。该模型支持中英语音到语音的实时翻译，用户输入音频后，模型可边听边译，实时输出译文和语音，并支持实时音色克隆，尽可能还原说话人的声音和语气。

官方实测数据显示，Hy-SimulMT 响应时间约3秒，而人类专业译员平均水平为4至5秒。在翻译质量上，该模型得分超过主流开源同传模型，也超过大部分商用同传API。在长音频开源评测集RealSI上，Hy-SimulMT 在延迟最低的情况下，效果达到开源模型最佳，并超过大多数商业API。

为评估真实水平，团队在合规范围内收集了互联网上中英文音频，覆盖软件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、体育生活十个领域，涉及演讲、访谈、会议等场景，并邀请6位拥有CATTI一级或二级口译证书的人类同传专家进行对比。结果显示，Hy-SimulMT 的翻译质量达到人类同传专家水平，且在速度上更具优势。

目前，Hy-SimulMT 已在腾讯 Hy 翻译 App 首发上线，向用户免费开放体验。