知识卡片：腾讯混元开源同传大模型Hy-SimulMT，响应时延仅3秒

一句话结论

腾讯混元于10月26日发布并开源同声传译大模型Hy-SimulMT，支持中英语音到语音实时翻译与音色克隆，实测响应约3秒，快于人类专业译员平均水平，并在长音频评测与专家对比中表现领先。

事件概述或研究问题

腾讯混元发布并开源同声传译大模型Hy-SimulMT，主打中英语音到语音的实时同传能力，同时支持音色克隆。该模型在腾讯Hy翻译APP首发，提供免费体验。来源材料将其定位为开源同传模型，并给出了与商用API、人类同传专家的对比结果。

方法/产品要点

• 模态与能力：支持中英语音到语音实时翻译，并具备音色克隆功能。
• 发布形态：发布并开源，在腾讯Hy翻译APP首发免费体验。
• 评测基准：在RealSI长音频评测中考察延迟与效果。
• 对比对象：与多数商用API对比；在十个领域实测中与6位持CATTI一、二级证书的同传专家对比。
• 应用落地：腾讯Hy翻译将服务11月深圳APEC会议。

主要结果或产业意义

• 响应时延：实测响应约3秒，快于人类专业译员平均4-5秒。
• 评测表现：RealSI长音频评测中延迟最低、效果开源最佳，超过多数商用API。
• 专家对比：十个领域实测中，对比6位持CATTI一、二级证书的同传专家，翻译质量得分更高、时延更低。
• 产业意义：开源同传模型将语音到语音实时翻译能力开放出来，并以实际会议服务（APEC）作为落地场景，对同传工具、会议服务与多语种实时交互产品形成直接参照。

为什么重要

同声传译长期依赖高技能人工译员，响应时延与翻译质量是核心指标。Hy-SimulMT以开源形式提供语音到语音同传并声称在延迟与质量上同时优于人类专家平均水平，意味着实时跨语言沟通的工具门槛可能进一步降低；其服务APEC会议的计划也提供了公开场景下的检验机会。与既有腾讯混元开源卡片（OCR、端侧翻译量化、Hy4量化）相比，本条增量在于“语音到语音同传+音色克隆”这一新任务形态，而非模型压缩或OCR能力。

局限与不确定性

• 来源材料仅给出汇总性结论，未披露模型参数量、训练数据、音色克隆的具体实现方式与隐私保护机制，待核实。
• “翻译质量得分更高”未说明具体评分标准、评测语料与统计显著性，待核实。
• “超过多数商用API”未列出具体对比名单与各项指标数值，待核实。
• 3秒响应时延的测试环境、音频长度与网络条件未说明，待核实。
• APEC会议服务仅为计划表述，实际部署效果待核实。

可用于图书/PPT/简报的角度

• 实时同传的“人机时延线”：以3秒 vs 人类4-5秒为切口，讨论实时翻译体验的临界点。
• 开源 vs 商用API的竞争格局：开源同传模型对商用语音翻译服务的替代与补充。
• 会议场景的AI落地：从APP免费体验到APEC会议服务，作为“评测指标→公开场景”的落地路径案例。
• 音色克隆在同传中的体验设计：保留说话人音色对跨语言沟通自然度的影响（具体技术细节待核实）。
• 与腾讯混元开源序列的对照：OCR、端侧量化翻译、同传模型，呈现“能力覆盖+效率优化”两条开源路线。

原始材料

• 标题：腾讯研究院AI速递 20261027
• URL：https://m.sohu.com/a/1093056339_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 来源：搜狐（腾讯研究院AI速递）
• 条目：三、腾讯混元开源同传大模型Hy-SimulMT，响应时延仅3秒