騰訊推出即時同聲傳譯模型 Hy-SimulMT，支援中英雙向語音翻譯

騰訊混元團隊發布 Hy-SimulMT-30B-A3B 模型，專為會議、演講等即時溝通場景設計。該模型能在說話者發言過程中同步接收音訊並輸出翻譯文字與語音，同時保留說話者的音色特徵。

AI 新聞雷達編輯團隊·本站收錄：2026/10/27 03:17（台灣時間）·閱讀約 2 分鐘

本站收錄時間為新聞雷達完成整理的時間，不代表事件發生時間。原文日期僅在取得明確來源證據時顯示；未標示者請參閱下方原始來源。

30 秒掌握

Hy-SimulMT 支援中英雙向即時語音對語音翻譯，具備即時聲音複製功能以維持說話者音色。

在 RealSI 長音訊評估中，該模型的 StreamLAAL（延遲指標）約為 3 秒，低於比較清單中的其他系統。

其 GEMBA 評分超越多數開源模型及五個商業 API 中的四個，但語音輸出與聲音複製需額外配置 TTS 服務。

即時同聲傳譯技術與應用場景

Hy-SimulMT 是由騰訊混元開發的即時同聲傳譯模型，主要針對會議、演講和訪談等需要即時溝通的環境設計。

該模型的核心功能是持續接收輸入音訊，並在說話者發言的同時進行翻譯，同步產生翻譯後的文字與語音輸出。

為了減少傳統翻譯等待時間對對話流暢度的干擾，模型採用即時處理機制，並透過即時聲音複製技術保留說話者的音色特徵，力求在準確傳達訊息的同時維持自然感。

騰訊結合公開基準測試、真實世界音訊以及與專業同聲傳譯員的比較，來評估翻譯品質與響應速度之間的平衡。

在 RealSI 長音訊評估項目中，Hy-SimulMT 達到的 StreamLAAL（流式平均絕對延遲）約為 3 秒，這是比較清單中所有系統裡最低的數值。

在翻譯品質方面，該模型的 GEMBA 評分超越了參與比較的開源模型，並高於五個商業 API 中的四個。

GitHub 儲存庫提供了 SimulInfer 推理服務和 SimulTrain 訓練工具，供開發者進行整合與調整。

需要注意的是，語音輸出功能和聲音複製功能並非內建於模型本身，而是需要額外配置文字轉語音（TTS）服務才能運作。

用戶也可以透過 Hy Translate App 體驗該模型的即時翻譯功能。