腾讯混元同声传译大模型 Hy-SimulMT 开源

腾讯混元同声传译大模型 Hy-SimulMT 发布并开源，具备低时延、高准确率特点，支持中英语音到语音实时翻译，可边听边译实时输出译文与语音，还支持实时音色克隆以还原说话人声音和语气。该模型实测响应时间约 3 秒，优于人类专业译员的平均 4-5 秒，翻译效果超过市面主流开源同传模型及大部分商用同传 API。在业界常用长音频开源评测集 RealSI 上，该模型可在延迟最低的情况下达到开源模型最佳效果，表现优于多数商业 API，在短音频测试集上也有较好表现。团队在合规范围内收集覆盖十个领域、多个场景的新出中英音频开展测评，对比 6 位拥有 CATTI 一、二级口译证书且具备多年实战经验的人类同传专家的同传结果，该模型翻译质量达到甚至超过人类同传专家水平，时延也更低。