騰訊混元開源AI同傳模型：邊聽邊譯延遲約3秒，還能克隆說話人音色

動察 Beating AI 快訊，騰訊混元開源了同聲傳譯模型 Hy-SimulMT，支持中英雙向實時翻譯。不用等對方說完一句話，模型就能邊聽邊生成譯文。

接入額外的 TTS 模型後，還能克隆原說話人的音色，用另一種語言播報。官方提供了基於 Qwen3-TTS 的部署方案。

官方在 RealSI 長音頻測試中，測得約 3 秒的流式翻譯延遲，為參測系統最低。翻譯質量超過所有參測開源模型，以及 5 個商業 API 中的 4 個。這裡的 3 秒不包含完整的語音合成和播報耗時。

團隊還找來 6 名持證專業譯員，對 18 段真實演講、訪談等錄音進行同場測試。在這次小規模測試中，模型的翻譯質量達到專業同傳水平，延遲通常更低。

模型總參數約 300 億，每次推理激活約 30 億。權重、推理及訓練工具均已開放，騰訊 Hy 翻譯 App 也提供免費體驗。