Hy-SimulMT 是什么：腾讯混元的中英实时同传模型

它是什么

Hy-SimulMT 是腾讯混元开源的实时同声传译模型，支持中文和英文之间的双向语音到语音翻译。它持续接收说话人的音频，在对方还在讲的时候就开始翻译，同时输出译文文本和译文语音；配合实时声音克隆，译出来的声音还能保留说话人的音色。项目于 2026 年 10 月下旬在 GitHub 发布，代码许可证是 Apache-2.0，仓库里另有一个 Interleave 权重变体。普通用户可以在腾讯的 Hy Translate App 里体验。

同传难在哪

同声传译的难点不只是把一种语言换成另一种，而是要在说话人还没说完的时候就理解并组织译文。等得越久，越能搞清楚完整意思，但听众也等得越久；开口越早，对增量理解和生成能力的要求就越高。Hy-SimulMT 瞄准的就是质量和延迟之间的平衡：随着音频流到达就开始翻译，让听众及时收到信息，同时尽量不丢原意。它的目标场景是会议、演讲、访谈这类现场交流。

成绩怎么样

官方用公开基准、真实音频，以及和专业同传译员的对比来评估。在官方的 RealSI 长音频评测里，Hy-SimulMT 的 StreamLAAL（衡量流式翻译延迟的指标）约为 3 秒，是对比系统里最低的；用 GEMBA 打的翻译质量分，超过了参与对比的开源模型，也超过了五个商用 API 中的四个。这些是官方自测结果，评测设置的细节可以在仓库里查到。

怎么部署

仓库提供了两部分：SimulInfer 推理服务和 SimulTrain 训练工具，可以自己部署，也可以在自己的数据上继续训练。要注意的是，语音输出和声音克隆需要另外配置一个 TTS 服务，只部署模型本身时拿到的是译文文本。

适合谁

做会议系统、直播字幕、跨国客服、出海内容的团队，可以用它搭一套可自托管的中英同传方案，数据不出自己的服务器。只需要中英之间、对延迟要求高的场景，它比“识别、翻译、合成”三段拼起来的方案更省事。如果需要更多语种，现阶段就得另找方案。AI 主线的看法是：同传模型开源出来，降低的不只是价格，还有把实时翻译嵌进各种产品的门槛。