中國騰訊負責AI開發的混元（Hunyuan）團隊於2026年10月26日（中國時間）發表同步口譯AI模型「Hy-SimulMT」。它在說話者講話途中就開始翻譯，並輸出譯文文字與語音。它支援中文與英文雙向互譯，也支援以近似說話者本人的聲音輸出譯文語音的「聲音重現（聲音複製）」。模型權重以便於商業使用的Apache-2.0授權，在Hugging Face等平台上公開。
Hy-SimulMT是什麼
Hy-SimulMT鎖定會議、演講、訪談等現場交流的場景。它一邊接收語音，一邊持續輸出譯文。
同步口譯的難處在於：等對方說完再翻譯，雖然較容易掌握意思，卻會讓聽眾久等。騰訊表示，開發時重視在翻譯品質與速度之間取得平衡。參與評估的廣東外語外貿大學口譯專家評論指出，它為了壓低延遲而先開始翻譯、之後再修正說法的表現，與人類口譯員的自我修正相近。
效能
騰訊在以長音訊評估同步口譯的測試「RealSI」上，將其與其他公司的開放模型和商用API進行比較。
- 延遲指標（StreamLAAL）約為3秒，是比較對象中最短的。不過，這項指標與第一段語音輸出前的時間不同
- 翻譯品質分數（GEMBA）超越所有比較的開放模型，並超越5個商用API中的4個
- 在4項短音訊測試中，以句為單位翻譯的RealSI-Sentence得分84.7，為表中最高
此外，騰訊還使用2026年9月以後在網路上公開的18段中英文音訊（每段約6分鐘），與6名持有中國翻譯資格CATTI一級和二級的口譯員進行比較。這些音訊是軟體、醫療、法律、教育等10個領域的演講與會議。騰訊表示，模型的翻譯品質與專業口譯員相當，而且在許多情況下速度更快。不過騰訊也說明，這項比較規模不大，結果僅限於此次的音訊與條件。以上皆為騰訊自身的評估。
以說話者原聲進行翻譯
Hy-SimulMT能在保留原說話者聲音特徵的同時，產生譯文的語音。騰訊表示，即使在多人發言的場景中，也更容易分辨是誰在說話。官方頁面公開了將三人對話的英文音訊翻譯成中文等展示。
使用方式與執行環境
這次公開的模型名為「Hy-SimulMT-30B-A3B」。種類如下：
- 只輸出譯文的模型，以及同時輸出原話文字與譯文的「Interleave」版本
- 兩者皆提供輕量化的FP8版本，以及GGUF格式的版本
騰訊也在GitHub上公開了執行用的「SimulInfer」與訓練用的「SimulTrain」。SimulInfer附有網頁介面，可透過上傳音訊檔案或以麥克風輸入來試用。依標準步驟執行需要搭載NVIDIA GPU的Linux機器，權重大小約為57GiB。用於執行GGUF格式的llama.cpp支援尚未併入官方專案。若要以語音輸出譯文或重現聲音，還需要另外準備語音合成（TTS）系統。
一般使用者方面，騰訊表示也能在其翻譯應用程式「Hy Translate App」（Android、iOS）中試用。能否在日本使用，在官方頁面上未能確認。
CoAI編輯部觀點
線上會議與演講的同步口譯，是外界對AI寄予厚望的應用領域。Hy-SimulMT的亮點在於，它以任何人都能在自己環境中執行的形式，公開了低延遲與聲音重現的能力。在短音訊測試中，也與Qwen、Gemini、OpenAI等的同步口譯功能進行了比較。
不過，官方目前宣稱支援的只有中文與英文，並未設想用於日文。在與華語地區的合作夥伴溝通或聆聽英文演講等場景中值得一試，但其效能主要依據騰訊自身的評估。騰訊也表示，在責任重大或需要專家確認的場合，專業口譯員依然十分重要。由於這項功能也能重現他人的聲音，使用時需要謹慎處理，例如事先取得對方同意。