10月26日，腾讯正式发布并开源其自研混元同声传译大模型 hy-simulmt，该模型支持中英双语语音到语音的实时翻译：用户语音可即时输入模型，实现“边听边译”，同步输出文字译文与合成语音，并具备实时音色克隆能力，精准复现说话人的声线特征与语调韵律。目前，该模型已在腾讯 hy 翻译 app 中首发上线，面向用户免费开放体验；开源代码与模型权重已同步发布至 huggingface、modelscope 及 github 平台。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
低延迟是 Hy-SimulMT 的核心设计目标，实测端到端响应时间约为3秒，优于人类专业同传译员平均4–5秒的反应水平。在一项覆盖软件AI、医学、制造能源、商务管理等十大垂直领域的对比测试中，Hy-SimulMT 与6位持证同传专家（含3位CATTI一级、3位CATTI二级）同场竞技，其 StreamLAAL 延迟为3.3秒，显著低于CATTI一级专家的4.5秒和二级专家的4.7秒，翻译质量亦达专业同传水准。
在长音频基准测试集 RealSI 上，Hy-SimulMT 以约3.1秒的 StreamLAAL 延迟获得约86分的 GEMBA 评分（由 GPT6.1-Sol 综合打分），不仅延迟最低，翻译质量亦为当前所有开源同传模型之首，整体表现超越多数商用同传 API。在短音频四项标准评测中，其 RealSI-Sentence 得分为84.7，位居全场第一；FLEURS 与 ACL6060 分别取得90.3与81.2分，均为开源模型最高；Gemini3.5-LiveTranslate 则在 FLEURS（92.4分）与 ACL6060（82.6分）两个单项中暂列榜首。
大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低 API 成本。支持 Claude/OpenAI/Gemini 等主流模型，提供代理模式、CLI 包装、Python SDK 和 MCP Server 四种接入方式。内置一键安...
模型采用“先开口、后修补”的创新解码策略，在保障极低延迟的同时，使译语修正过程自然流畅，听感高度接近人类译员的自我调整。广东外语外贸大学高级翻译学院副院长王巍巍教授与中国翻译协会原常务副会长仲伟合教授均指出，该模型在语音识别鲁棒性、同传响应时效性及译语播报质量三方面表现突出，标志着机器同传正加速迈向真实会议、教育、医疗等高要求应用场景。
