腾讯混元开源同声传译模型 延迟3秒超人类译员

时间：2026年10月26日，腾讯混元团队正式发布并开源实时同声传译大模型 Hy-SimulMT-30B-A3B-Interleave 地点：中国深圳（腾讯总部），模型权重在 Hugging Face、ModelScope 与 GitHub 同步开放，全球开发者可获取；首发体验入口为腾讯 Hy 翻译 App 人物：腾讯混元团队；参与对照评测的 6 位人类同传专家，其中 3 位持有 CATTI 一级口译证书、3 位持有二级证书，均有多年同传实战经验 事件详情：腾讯混元 10 月 26 日发布并开源 Hy-SimulMT 实时同声传译大模型，官方 GitHub 仓库同日更新 News 记录为 2026.10.26 Release。该模型为 30B 总参数、3B 激活参数的 A3B 交错（Interleave）架构，面向中英双向语音到语音实时翻译：模型持续接收说话人音频，边听边输出目标语言的译文文本与译文语音，并支持实时音色克隆，尽量保留原说话人的声音特征与语气。 官方给出的延迟表现是，在业界常用的长音频开源评测集 RealSI 上，StreamLAAL 约为 3 秒，是对比系统中最低；翻译质量 GEMBA 分数超过参评的开源模型，以及 5 个商用 API 中的 4 个。在四项公开短音频基准上，官方公布的对比表为：FLEURS 90.3、CoVoST2 75.5、ACL6060 81.2、RealSI-Sentence 84.7，其中 RealSI-Sentence 的 84.7 分为表中最高，高于 Qwen3.8-LiveTranslate 的 84.4 与 Gemini3.5-LiveTranslate 的 82.2；翻译质量打分由 GPT-6.1-Sol 完成。 与人类译员的对照是本次发布的重点。腾讯在合规允许范围内收集互联网上新出现的中文与英文音频，覆盖软件 AI、医学、制造能源、自然科学、农业食品、商务管理、法律、教育、文化文旅、体育生活共十个领域，涉及演讲、访谈、会议等场景，并邀请 6 位人类同传专家对同一批音频做同传翻译，对比时取 3 人中的最高分作为人类基准。官方称在这次能力定位测评中，Hy-SimulMT 的翻译质量达到人类同传专家水平且速度更快。据 IT 之家转述官方口径，模型响应时间实测在 3 秒左右，而人类专业译员平均水平为 4 到 5 秒。 工程配套方面，官方仓库提供 SimulInfer 推理服务与 SimulTrain 训练工具，语音输出与音色克隆需另行配置 TTS 服务；官方另提供 FP8 与 GGUF 等量化版本，以及可同时输出源文本与译文的 Interleave 版本。模型权重以 Apache 2.0 许可证发布，允许商用，官方页面提供 Hugging Face、ModelScope 与 GitHub 三个入口。模型已在腾讯 Hy 翻译 App 首发，可免费体验。 背景：同声传译是同传行业数十年积累的高认知负荷技能，需要在说话人仍在发声时同步理解语义并输出另一种语言的译文。腾讯此前已在翻译方向布局 Hy 翻译 App，2026 年 9 月上线时支持 33 种语言离线翻译。本次开源把实时语音到语音同传能力从封闭服务推到开放权重生态；模型名中的 A3B 指 30B 总参数下激活 3B 参数的稀疏结构。需要注意的是，腾讯模型页面标注支持 36 种语言相关能力，但本次公开介绍与演示主要围绕中英方向展开，尚不能据此推断 36 种语言均具备同等成熟的语音到语音同传能力。 影响：对开发者而言，Apache 2.0 加上 SimulInfer 与 SimulTrain 的完整工具链，意味着可以在自有 GPU 上本地部署一套低延迟同传系统，不必为实时语音翻译按调用付费；官方对比表中 Hy-SimulMT 在 RealSI-Sentence 上以 84.7 分居首，在 FLEURS 上的 90.3 分仅次于 Gemini3.5-LiveTranslate 的 92.4，说明其短音频翻译质量已进入第一梯队，而长音频延迟优势更明显。对同传从业者以及实时会议、直播、跨境客服等场景，官方对照结果给出的信号是：同传能力正从稀缺的人工服务，变成可下载的开源模型加可选配 TTS。需要提醒的是，官方数据均为公司自评，目前尚未见第三方独立评测；此外语音克隆演示需要额外搭配 TTS 服务，实际落地成本与本地化效果仍需开发者自行验证。 总结：Hy-SimulMT 是腾讯混元把边听边译与实时音色克隆做成开放权重的作品。官方最有说服力的两个数字是 RealSI 长音频上约 3 秒的 StreamLAAL 延迟，以及短音频 RealSI-Sentence 上 84.7 分的对比表首位成绩。开源形态加上 Apache 2.0 商用许可，让这套同传能力第一次可以直接嵌入智能眼镜、车载系统、远程医疗等延迟敏感场景。不过官方自评数据尚未经过第三方独立验证，实际部署还需自行搭配 TTS 服务并做场景评测。 参考来源： 腾讯混元官方 GitHub 仓库 - Hy-SimulMT（A Low-Latency, High-Quality Model for Real-Time Simultaneous Translation） https://github.com/Tencent-Hunyuan/Hy-SimulMT Hugging Face 官方模型页 - tencent/Hy-SimulMT-30B-A3B-Interleave https://huggingface.co/tencent/Hy-SimulMT-30B-A3B-Interleave 凤凰网科技（转 IT之家）- 腾讯混元同声传译大模型 Hy-SimulMT 开源，响应时间 3 秒 https://tech.ifeng.com/c/8xXujCp0Sec IT之家 - 腾讯混元同声传译大模型 Hy-SimulMT 开源，响应时间仅 3 秒超人类译员 https://www.ithome.com/1/018/168.htm 同花顺 - 腾讯混元同声传译大模型 Hy-SimulMT 开源，响应时间仅 3 秒超人类译员 https://stock.10jqka.com.cn/hks/20261026/c681105941.shtml 腾讯新闻 - 腾讯混元同声传译大模型 Hy-SimulMT 发布并开源 https://news.qq.com/rain/a/20261026A0CY5H00 AIGC.NEWS - Tencent open-sourced Hy-SimulMT-30B-A3B-Interleave for low-latency Chinese-English simultaneous translation https://aigc.news/events/tencent-released-hy-simulmt-30b-a3b-interleave-on-hugging-face-2026-10-22-d68cd5f2 OrcaRouter - Hy-SimulMT-30B-A3B: Tencent's Quiet 3-Second Interpreter（模型架构与许可细节分析） https://www.orcarouter.ai/blog/hy-simulmt-30b-a3b-interleave-quiet-release 搜狐 - 腾讯混元同声传译大模型 Hy-SimulMT 发布并开源 https://m.sohu.com/a/1093039471_122066679 ModelScope 魔搭社区 - tencent/Hy-SimulMT-30B-A3B https://www.modelscope.cn/models/tencent/Hy-SimulMT-30B-A3B