中国腾讯负责AI研发的混元（Hunyuan）团队于2026年10月26日（中国时间）发布了同声传译AI模型“Hy-SimulMT”。它在说话人讲话过程中就开始翻译，并输出译文文字和语音。它支持中文和英文双向互译，还支持以接近说话人本人的声音输出译文语音的“声音复刻（声音克隆）”。模型权重以便于商用的Apache-2.0许可协议，在Hugging Face等平台上公开。
Hy-SimulMT是什么
Hy-SimulMT面向会议、演讲、采访等现场交流场景。它一边接收语音，一边持续输出译文。
同声传译的难点在于：等对方说完再翻译，虽然更容易把握意思，却会让听众久等。腾讯表示，开发时注重在翻译质量与速度之间取得平衡。参与评估的广东外语外贸大学口译专家评价称，它为压低延迟而先开始翻译、之后再修正说法的表现，与人类译员的自我修正相近。
性能
腾讯在用长音频评估同声传译的测试“RealSI”上，将其与其他公司的开放模型和商用API进行了对比。
- 延迟指标（StreamLAAL）约为3秒，是参与对比的系统中最短的。不过，这一指标与首段语音输出前的时间并不相同
- 翻译质量得分（GEMBA）超过了所有参与对比的开放模型，并超过了5个商用API中的4个
- 在4项短音频测试中，按句翻译的RealSI-Sentence得分84.7，为表中最高
此外，腾讯还使用2026年9月以后在网上公开的18段中英文音频（每段约6分钟），与6名持有中国翻译资格CATTI一级和二级证书的译员进行了对比。这些音频是软件、医疗、法律、教育等10个领域的演讲和会议。腾讯表示，模型的翻译质量与专业译员相当，而且在很多情况下速度更快。不过腾讯也指出，这项对比规模较小，结果仅限于此次的音频和条件。以上均为腾讯自身的评估。
以说话人原声进行翻译
Hy-SimulMT可以在保留原说话人声音特征的同时，生成译文的语音。腾讯表示，即使在多人发言的场景中，也更容易分辨是谁在说话。官方页面公开了将三人对话的英文音频翻译成中文等演示。
使用方法与运行环境
此次公开的模型名为“Hy-SimulMT-30B-A3B”。种类如下：
- 只输出译文的模型，以及同时输出原话文字和译文的“Interleave”版本
- 两者都提供轻量化的FP8版本，以及GGUF格式的版本
腾讯还在GitHub上公开了用于运行的“SimulInfer”和用于训练的“SimulTrain”。SimulInfer带有网页界面，可以通过上传音频文件或用麦克风输入来试用。按标准步骤运行需要配备NVIDIA GPU的Linux机器，权重大小约为57GiB。用于运行GGUF格式的llama.cpp支持尚未合并进官方项目。如果要以语音形式输出译文或复刻声音，还需要另外准备语音合成（TTS）系统。
面向普通用户，腾讯表示也可以在其翻译应用“Hy Translate App”（Android、iOS）中试用。能否在日本使用，在官方页面上未能得到确认。
CoAI编辑部观点
在线会议和演讲的同声传译，是人们对AI寄予厚望的应用领域。Hy-SimulMT的亮点在于，它以任何人都能在本地运行的形式，公开了低延迟和声音复刻能力。在短音频测试中，它还与Qwen、Gemini、OpenAI等的同传功能进行了对比。
不过，官方目前宣称支持的只有中文和英文，并未设想用于日语。在与中文地区的合作伙伴沟通或收听英文演讲等场景中值得一试，但其性能主要依据腾讯自身的评估。腾讯也表示，在责任重大或需要专家确认的场合，专业译员仍然十分重要。由于这项功能也能复刻他人的声音，使用时需要谨慎对待，例如事先征得对方同意。