Il 26 ottobre 2026 (ora cinese) il team Hunyuan, che sviluppa l'IA della cinese Tencent, ha pubblicato Hy-SimulMT, un modello di IA per l'interpretazione simultanea. Inizia a tradurre mentre chi parla non ha ancora finito e produce la traduzione sia come testo sia come audio. Funziona tra cinese e inglese in entrambe le direzioni e supporta la "riproduzione della voce" (clonazione vocale), che restituisce l'audio tradotto con una voce simile a quella di chi parla. I pesi del modello sono disponibili su Hugging Face e altre piattaforme con la licenza Apache-2.0, che facilita l'uso commerciale.
Che cos'è Hy-SimulMT
Hy-SimulMT è un modello pensato per le interazioni dal vivo, come riunioni, conferenze e interviste. Traduce in modo continuo mentre riceve l'audio.
La difficoltà dell'interpretazione simultanea è che aspettare la fine del discorso aiuta a coglierne il senso, ma fa attendere chi ascolta. Tencent afferma di averlo sviluppato cercando un equilibrio tra qualità della traduzione e velocità. Un esperto di interpretariato dell'Università di Studi Esteri del Guangdong, che ha partecipato alla valutazione, ha osservato che il modo in cui inizia a tradurre in anticipo per ridurre il ritardo e poi si corregge ricorda le autocorrezioni di un interprete umano.
Prestazioni
Tencent lo ha confrontato con modelli aperti di altre aziende e con API commerciali su RealSI, un test che valuta l'interpretazione simultanea su registrazioni lunghe.
- L'indicatore di ritardo (StreamLAAL) è di circa 3 secondi, il più basso tra quelli confrontati; si tratta però di un indicatore diverso dal tempo necessario per l'uscita del primo audio
- Il punteggio di qualità della traduzione (GEMBA) ha superato tutti i modelli aperti confrontati e 4 delle 5 API commerciali
- Nei 4 test su registrazioni brevi ha ottenuto 84,7 in RealSI-Sentence, che traduce frase per frase, il punteggio più alto della tabella
Inoltre, su 18 registrazioni in cinese e in inglese pubblicate online da settembre 2026 in poi (circa 6 minuti ciascuna), il modello è stato confrontato con 6 interpreti in possesso dei livelli 1 e 2 del CATTI, la certificazione cinese per la traduzione. Si trattava di conferenze e riunioni in 10 settori, tra cui software, medicina, diritto e istruzione. Secondo Tencent, ha tradotto con una qualità simile a quella degli interpreti professionisti e, in molti casi, più velocemente. L'azienda precisa però che il confronto è su piccola scala e che il risultato vale solo per queste registrazioni e condizioni. Tutte le valutazioni sono di Tencent stessa.
Tradurre con la voce di chi parla
Hy-SimulMT può generare l'audio tradotto mantenendo le caratteristiche della voce di chi parla in origine. Secondo Tencent, così è più facile capire chi sta parlando anche quando intervengono più persone. Sulla pagina ufficiale sono pubblicate demo come la traduzione in cinese di una registrazione in inglese in cui parlano tre persone.
Uso e requisiti
Il modello pubblicato si chiama Hy-SimulMT-30B-A3B. Le varianti sono le seguenti:
- Un modello che produce solo la traduzione e una versione "Interleave", che produce insieme il testo dell'intervento originale e la traduzione
- Per ciascuno, una versione FP8 alleggerita e una in formato GGUF
Su GitHub sono stati pubblicati anche SimulInfer, per eseguire il modello, e SimulTrain, per l'addestramento. SimulInfer ha un'interfaccia web con cui si può provare caricando file audio o parlando al microfono. La configurazione standard richiede una macchina Linux con GPU NVIDIA, e i pesi occupano circa 57 GiB. Il supporto in llama.cpp per eseguire le versioni GGUF non è ancora stato integrato nel progetto ufficiale. Per ottenere la traduzione in audio o riprodurre la voce, bisogna predisporre a parte un sistema di sintesi vocale (TTS).
Per il grande pubblico, Tencent indica che si può provare anche nella sua app di traduzione Hy Translate App (Android e iOS). Dalla pagina ufficiale non è stato possibile verificare se sia utilizzabile dal Giappone.
Il punto di vista di CoAI
L'interpretazione simultanea di riunioni online e conferenze è uno degli usi dell'IA su cui ci sono più aspettative. Ciò che colpisce di Hy-SimulMT è che offre un ritardo ridotto e la riproduzione della voce in una forma che chiunque può far girare sulla propria macchina. Nei test su registrazioni brevi è stato confrontato anche con le funzioni di interpretazione simultanea di Qwen, Gemini, OpenAI e altri.
Per ora, però, dichiara ufficialmente il supporto solo per cinese e inglese, e l'uso con il giapponese non è previsto. Vale la pena provarlo per dialogare con partner dell'area di lingua cinese o seguire conferenze in inglese, ma i dati sulle prestazioni provengono soprattutto dalle valutazioni di Tencent stessa. Anche Tencent riconosce che nelle situazioni di grande responsabilità o che richiedono la verifica di un esperto gli interpreti professionisti restano importanti. E poiché è una funzione in grado di riprodurre la voce di altre persone, va usata con cautela, per esempio ottenendo il consenso degli interlocutori.