AREX Feed Article
腾讯混元开源 30.4B 中英双向同传模型 Hy-SimulMT，官方称长音频延迟约 3 秒
10 月 26 日，腾讯混元在 X 账号 发布消息，宣布中英双向实时同声传译模型 Hy-SimulMT 开源，并给出 、 和 三个入口。帖文列出的特点有四条：约 3 秒的低延迟、高准确率、实时音色克隆，以及“优于多数开源模型与商用 API”。
同一天更新的和代码仓库把这几句话拆成了可以检查的内容：一套参数量 30.4B 的权重、六个模型变体、一套能直接起服务的推理工具，以及一场由腾讯混元自己组织的评测。性能与对标结论都作为腾讯混元自己的评测结果发布。
权重、推理服务和六个变体一起放出
Hugging Face 上列出了六个模型，都以 Hy-SimulMT-30B-A3B 为前缀：未量化的原始权重、FP8（8 位浮点）量化和 GGUF（本地推理常用的模型文件格式）三种格式，各有“只输出译文”与“源文、译文交错输出”两个版本。模型页标注参数量为 30.4B，任务类型为 translation。
GitHub 仓库提供两个工具。SimulInfer 负责推理服务，支持网页、音频文件上传、实时 WebSocket，以及可选的带音色克隆的 TTS（语音合成）；SimulTrain 负责训练。对二次开发的人来说，仓库里有一套现成的推理服务可以改。
授权写在仓库根目录的 里：Hy-SimulMT 采用 Apache-2.0，随附的第三方组件仍按各自原许可执行。按该许可的条款，商用与再分发是被允许的，但第三方组件的许可需要逐个核对。
“3 秒”量的是流式滞后
官方在开源 RealSI 长音频测试集上给出的数字是 StreamLAAL 约 3 秒，为图中参评系统的最低值；GEMBA 翻译质量分高于所对比的开源模型，并超过五个商业 API 中的四个。仓库里的把它解释为流式翻译的滞后程度：单位为秒，越低越好，并注明它“不等同于首次开口延迟”。
散点图里，Hy-SimulMT 落在横轴 3 秒附近、纵轴 80 分以上；在纵轴上高过它的是 Qwen3.8-LiveTranslate，横轴位置在 5 秒附近，图中其余系统都低于 Hy-SimulMT。另一个延迟接近的系统 SeamlessStreaming 在 3.4 秒附近，GEMBA 只有 45 分上下。把这三个点放在一起看，Hy-SimulMT 位于图的左上角：延迟最低，质量也留在 80 分以上。
模型卡把纵轴标为 GEMBA 翻译质量分。在报道中称，该指标由 GPT6.1-Sol 打分，属于模型评分。
短音频榜单上，它不是每一项都第一
在 FLEURS、CoVoST2、ACL6060 和 RealSI-Sentence 四个公开短音频测试集上，官方给出的分数分别是 90.3、75.5、81.2 和 84.7。模型卡的说法是，Hy-SimulMT 在 FLEURS、ACL6060 和 RealSI-Sentence 上高于表中其他开源模型，其中 RealSI-Sentence 的 84.7 是表中所列系统的最高分。
同一张表里也有比它高的数字：FLEURS 上 Gemini3.5-LiveTranslate 得 92.4，ACL6060 上得 82.6；CoVoST2 上 Qwen3.8-LiveTranslate 得 82.1，Confucius4 得 76.8，都高于 Hy-SimulMT 的 75.5。“高准确率”能否成立，取决于对比对象和测试集。
18 段音频、6 位译员，一场公司自建的对照
为了看真实内容上的表现，腾讯混元收集了 2026 年 9 月以后出现在互联网上的 18 段中英文音频，每段约 6 分钟，覆盖演讲、访谈、会议，以及软件与 AI、医学、制造与能源、自然科学、农业与食品、商务管理、法律、教育、文化文旅、体育生活 10 个领域。六位有多年同传经验的译员参与对照，其中三位持 CATTI（中国翻译专业资格）一级口译证书，三位持二级；每个等级取三位译员中的最高分。
结果是 3.3 秒对 4.5 秒和 4.7 秒：Hy-SimulMT 的 StreamLAAL 低于两组人类译员的对照值，官方称其翻译质量达到人类同传专家水平、速度更快。IT之家从官方介绍中得到的说法是，人类专业译员的平均响应在 4～5 秒。
模型卡自己划了边界：“以上结论仅适用于本次样本、参测译员及评测设置，不代表对播报音质、音色相似度等维度的综合评价。”官方把这组实验称为一次“小范围的能力定位测评”。
模型卡里的两位译界人士
模型卡附了两段评价的英文译文，中文原文在仓库的中文 README 里。广东外语外贸大学高翻学院副院长王巍巍说：“在实际场景测评中，腾讯混元同声传译的译语听感自然，常规陈述的主干信息传达准确。为控制延迟，系统先开口、后修补，修补的听感接近译员的自我修正。”他把这称为国产 AI 同传能力迈上的一个新台阶，并认为 AI 同传正从“辅助理解”走向低风险场景的“可用沟通”。
广东外语外贸大学原校长、中国翻译协会原常务副会长仲伟合的评价集中在三项能力：“在语音识别稳定性、同传响应速度与译语播报质量上均展现出不俗的实力。”
两段话都随模型卡发布，评价对象是腾讯混元组织的测评。模型卡同时写明，对于需要严格责任判断、专业审校或高风险决策的场景，专业译员的参与仍然重要。
一张 NVIDIA GPU 之外，还要一个 TTS 服务
仓库给出的环境要求是 Linux、Python 3.12 及以上、Git、一块能容纳所选模型的 NVIDIA GPU 和兼容的 CUDA 驱动；如果要复用已有的 vLLM（一种大模型推理框架）环境，版本需在 0.31 以上并支持 HYV3ForCausalLM。一条 deploy.sh 命令会把依赖、vLLM、网页与 API 服务依次拉起，默认端口 8080 和 8800；也可以只启动推理前端，接一个已经跑起来的模型服务。
语音输出和音色克隆需要另外接入已配置的 TTS 服务。
不想自己部署的人还有另一个入口。模型卡附了 Hy 翻译 App 的 Android 与 iOS 下载二维码；当天报道，该模型在腾讯 Hy 翻译 App 首发，免费提供体验。
对开发者来说，GGUF 版本可以走 llama.cpp（本地推理项目），但 README 建议等支持该模型的新版本发布后再用，相关支持尚未合并进 llama.cpp 官方仓库。