概览
Hy-SimulMT 是腾讯混元 2026 年 10 月 26 日开源的实时同声传译大模型，支持中文与英文之间的双向语音到语音翻译：说话人的音频持续输入，模型边听边译，同步给出译文文字与译文语音，并支持实时音色克隆，保留说话人的声音特点，面向会议、演讲、访谈等实时交流场景。官方在开源 RealSI 长音频测试集上与多个开源同传模型和商业同传 API 对比，Hy-SimulMT 的 StreamLAAL（流式翻译滞后）约 3 秒，为图中参评系统最低，GEMBA 翻译质量高于所比开源模型并超过五个商业 API 中的四个；短音频测试 FLEURS 90.3、CoVoST2 75.5、ACL6060 81.2、RealSI-Sentence 84.7。官方还用 18 段 2026 年 9 月后的真实中英文音频与持 CATTI 一、二级证书的专业同传译员同场对照，称质量达到人类同传专家水平、时延更低（仅适用于该次样本和评测设置）。模型规格为 30B-A3B 稀疏 MoE，提供只输出译文的 Hy-SimulMT-30B-A3B 和同时输出原文与译文的 Hy-SimulMT-30B-A3B-Interleave，各有 FP8 和 GGUF 版本，权重 Apache 2.0 许可，可从 Hugging Face 或魔搭下载。用法：在装有 NVIDIA GPU 的 Linux（Python 3.12+）上克隆 GitHub 仓库，运行 bash deploy.sh --install-server --model tencent/Hy-SimulMT-30B-A3B-Interleave 部署 SimulInfer 服务，浏览器打开 8080 端口选翻译方向，上传音频或开麦克风即可；语音输出和音色克隆需另配 TTS 服务。普通用户也可在手机上的 Hy 翻译 App 里体验。官方未公布上下文长度和 API 价格。官方来源：https://github.com/Tencent-Hunyuan/Hy-SimulMT 、https://huggingface.co/tencent/Hy-SimulMT-30B-A3B 、https://www.modelscope.cn/collections/Tencent-Hunyuan/Hy-SimulMT （2026-10-27 核对）。 定价：权重 Apache 2.0 许可，可免费下载、自行部署（需自备 NVIDIA GPU）；官方未公布 API 价格。
- 模态
- 音频
- 参数量
- 30B 总 / 约 3B 激活（MoE，型号 30B-A3B）
- 许可说明
- 开源 · Apache 2.0
能力
- 中英双向实时同声传译：语音持续输入、边听边译，同步输出译文文字和译文语音（语音到语音）
- 实时音色克隆：生成目标语言语音时保留原说话人的音色，多人发言时能区分不同说话人（需配置 TTS 服务）
- 低延迟：官方 RealSI 长音频评测 StreamLAAL 约 3 秒，为图中参评系统最低；GEMBA 质量高于所比开源模型，超过五个商业 API 中的四个
- 官方短音频评测：FLEURS 90.3、CoVoST2 75.5、ACL6060 81.2、RealSI-Sentence 84.7（表列系统最高）
- 两种版本：30B-A3B 只输出译文，30B-A3B-Interleave 同时输出原文与译文；各有 FP8 量化版和 GGUF 版
- MoE 架构：48 层，128 个路由专家每 token 激活 8 个外加 1 个共享专家（据 Hugging Face 配置文件）
- 配套开源 SimulInfer 推理服务（基于 vLLM，网页界面、音频文件上传、实时 WebSocket）和 SimulTrain 继续训练工具；需 NVIDIA GPU
