Ngày 26/10/2026 (giờ Trung Quốc), nhóm Hunyuan, nhóm phát triển AI của công ty Trung Quốc Tencent, đã công bố "Hy-SimulMT", mô hình AI phiên dịch đồng thời. Mô hình bắt đầu dịch ngay khi người nói còn đang nói, rồi xuất bản dịch dưới dạng văn bản và giọng nói. Mô hình hỗ trợ dịch hai chiều giữa tiếng Trung và tiếng Anh, đồng thời hỗ trợ "tái tạo giọng nói (voice clone)" để giọng dịch giống với giọng người nói. Trọng số mô hình được công bố trên Hugging Face và các nền tảng khác theo giấy phép Apache-2.0, dễ sử dụng kể cả cho mục đích thương mại.
Hy-SimulMT là gì
Hy-SimulMT được thiết kế cho các tình huống giao tiếp trực tiếp như hội họp, diễn thuyết và phỏng vấn. Mô hình vừa nhận âm thanh vừa liên tục đưa ra bản dịch.
Cái khó của phiên dịch đồng thời là nếu chờ người nói nói xong thì dễ nắm ý hơn, nhưng lại khiến người nghe phải chờ. Tencent cho biết đã chú trọng cân bằng giữa chất lượng bản dịch và tốc độ khi phát triển mô hình. Một chuyên gia phiên dịch của Đại học Ngoại ngữ Ngoại thương Quảng Đông (Guangdong University of Foreign Studies) tham gia đánh giá nhận xét rằng cách mô hình bắt đầu dịch trước để giảm độ trễ rồi sau đó nói lại cho đúng rất giống cách phiên dịch viên con người tự sửa lời.
Hiệu năng
Tencent đã so sánh mô hình với các mô hình mở của hãng khác và API thương mại trên "RealSI", bài kiểm tra đánh giá phiên dịch đồng thời với âm thanh dài.
- Chỉ số độ trễ (StreamLAAL) khoảng 3 giây, ngắn nhất trong các mô hình được so sánh. Tuy nhiên, đây là chỉ số khác với thời gian đến khi phát ra âm thanh đầu tiên
- Điểm chất lượng bản dịch (GEMBA) vượt tất cả các mô hình mở được so sánh, và vượt 4 trong 5 API thương mại
- Trong 4 bài kiểm tra âm thanh ngắn, mô hình đạt 84,7 điểm trên RealSI-Sentence, bài dịch theo từng câu, là điểm cao nhất trong bảng
Ngoài ra, Tencent còn so sánh với 6 phiên dịch viên có chứng chỉ dịch thuật CATTI cấp 1 và cấp 2 của Trung Quốc, sử dụng 18 đoạn âm thanh tiếng Trung và tiếng Anh (mỗi đoạn khoảng 6 phút) được đăng lên mạng từ tháng 9/2026 trở đi. Đó là các bài diễn thuyết và cuộc họp thuộc 10 lĩnh vực như phần mềm, y tế, pháp luật và giáo dục. Tencent cho biết mô hình dịch với chất lượng ngang phiên dịch viên chuyên nghiệp, và trong nhiều trường hợp còn nhanh hơn. Tuy nhiên, hãng lưu ý rằng đây là so sánh quy mô nhỏ, kết quả chỉ giới hạn trong các đoạn âm thanh và điều kiện lần này. Tất cả đều là đánh giá do chính Tencent thực hiện.
Dịch bằng chính giọng người nói
Hy-SimulMT có thể tạo giọng nói cho bản dịch trong khi vẫn giữ đặc điểm giọng của người nói gốc. Theo Tencent, điều này giúp người nghe dễ phân biệt ai đang nói, kể cả khi có nhiều người cùng tham gia. Trang chính thức có các bản demo, chẳng hạn dịch một đoạn âm thanh tiếng Anh có ba người nói sang tiếng Trung.
Cách sử dụng và môi trường chạy
Mô hình được công bố có tên "Hy-SimulMT-30B-A3B". Các loại mô hình như sau.
- Mô hình chỉ xuất bản dịch, và phiên bản "Interleave" xuất cả văn bản lời nói gốc cùng bản dịch
- Mỗi loại đều có bản FP8 nhẹ hơn và bản định dạng GGUF
Trên GitHub, Tencent cũng công bố "SimulInfer" để chạy mô hình và "SimulTrain" để huấn luyện. SimulInfer có giao diện web, cho phép thử bằng cách tải lên tệp âm thanh hoặc nhập trực tiếp từ micro. Theo cách cài đặt tiêu chuẩn, cần máy Linux có GPU NVIDIA, và dung lượng trọng số khoảng 57 GiB. Việc hỗ trợ chạy định dạng GGUF trong llama.cpp vẫn chưa được đưa vào dự án gốc. Muốn xuất bản dịch bằng giọng nói hoặc tái tạo giọng, người dùng cần chuẩn bị riêng một hệ thống tổng hợp giọng nói (TTS).
Với người dùng phổ thông, Tencent cho biết có thể thử trên ứng dụng dịch "Hy Translate App" (Android, iOS) của hãng. Trang chính thức không cho biết ứng dụng có dùng được từ Nhật Bản hay không.
Góc nhìn của ban biên tập CoAI
Phiên dịch đồng thời cho họp trực tuyến và diễn thuyết là lĩnh vực ứng dụng AI được kỳ vọng nhiều. Điểm đáng chú ý của Hy-SimulMT là độ trễ ngắn và khả năng tái tạo giọng nói được công bố dưới dạng ai cũng có thể chạy trên máy của mình. Trong các bài kiểm tra âm thanh ngắn, mô hình còn được so sánh với tính năng phiên dịch đồng thời của Qwen, Gemini, OpenAI và nhiều bên khác.
Tuy vậy, hiện mô hình chính thức chỉ công bố hỗ trợ tiếng Trung và tiếng Anh, và không hướng đến việc sử dụng với tiếng Nhật. Mô hình đáng thử khi làm việc với đối tác nói tiếng Trung hoặc nghe diễn thuyết bằng tiếng Anh, nhưng số liệu hiệu năng chủ yếu đến từ đánh giá của chính Tencent. Bản thân Tencent cũng cho rằng trong những tình huống có trách nhiệm lớn hoặc cần chuyên gia kiểm tra, phiên dịch viên chuyên nghiệp vẫn đóng vai trò quan trọng. Vì đây còn là tính năng có thể tái tạo giọng của người khác, khi sử dụng cần thận trọng, chẳng hạn xin sự đồng ý của người đó.