腾讯开源同传大模型：延迟3.3秒，比CATTI一级专家快1.2秒

腾讯混元发布并开源了同声传译大模型Hy-SimulMT。中英语音输入，直接语音输出。模型边听边译，同步输出译文和语音，还能实时克隆音色，说话人的声音和语气一并还原。腾讯Hy翻译App已首发，免费体验。

同传的关键指标是延迟。Hy-SimulMT实测响应约3秒，人类专业译员平均4-5秒。腾讯拿它和6位持证同传专家做了对比：3位CATTI一级、3位CATTI二级。CATTI即全国翻译专业资格（水平）考试。测试覆盖软件AI、医学、制造能源、商务管理等十个领域。Hy-SimulMT的StreamLAAL延迟3.3秒，CATTI一级专家4.5秒，二级专家4.7秒。翻译质量达到人类同传专家水平。

长音频评测集RealSI上，模型以约3.1秒延迟拿到约86分。延迟在对比模型中最低，质量在开源模型里最好，超过多数商用同传API。延迟用StreamLAAL衡量，翻译质量用GEMBA评估，打分模型是GPT-6.1-Sol。

短音频四项测试中，Hy-SimulMT的RealSI-Sentence得分84.7，全场最高。FLEURS 90.3、ACL6060 81.2，在开源模型里居首位。Gemini 3.5 LiveTranslate在FLEURS和ACL6060上各拿单项第一：92.4和82.6。

控制延迟的策略叫“先开口、后修补”。模型先根据已接收的信息开口翻译，后续输入来了再修正输出，听感接近人类译员的自我修正。

广外高翻学院副院长王巍巍、中国翻译协会原常务副会长仲伟合教授评价：Hy-SimulMT的语音识别稳定性、同传响应速度和译语播报质量表现不俗，推动机器同传走进真实场景。

代码已上线HuggingFace、ModelScope和GitHub。开发者可以自己跑，普通用户打开腾讯Hy翻译App就能用。同传的门槛，正在被拆掉。