腾讯混元开源AI同传模型：边听边译延迟约3秒，还能克隆说话人音色

动察 Beating AI 快讯，腾讯混元开源了同声传译模型 Hy-SimulMT，支持中英双向实时翻译。不用等对方说完一句话，模型就能边听边生成译文。 接入额外的 TTS 模型后，还能克隆原说话人的音色，用另一种语言播报。官方提供了基于 Qwen3-TTS 的部署方案。 官方在 RealSI 长音频测试中，测得约 3 秒的流式翻译延迟，为参测系统最低。翻译质量超过所有参测开源模型，以及 5 个商业 API 中的 4 个。这里的 3 秒不包含完整的语音合成和播报耗时。 团队还找来 6 名持证专业译员，对 18 段真实演讲、访谈等录音进行同场测试。在这次小规模测试中，模型的翻译质量达到专业同传水平，延迟通常更低。 模型总参数约 300 亿，每次推理激活约 30 亿。权重、推理及训练工具均已开放，腾讯 Hy 翻译 App 也提供免费体验。

📰 来源：https://www.okx.com/zh-hans/feed/post/91167442065600