腾讯混元同声传译大模型Hy-SimulMT开源发布

驱动中国10月26日消息，腾讯混元同声传译大模型Hy-SimulMT发布并开源，支持中英语言之间语音到语音实时翻译，官方称模型具备低时延、高准确率特点。

官方介绍，说话人的音频可以实时输入Hy-SimulMT，模型边听边译，实时给出译文和语音，并支持实时音色克隆，可高度还原说话人声音和语气。该模型在腾讯Hy翻译App首发，免费提供服务体验。

在低时延方面，官方称Hy-SimulMT响应时间实测约3秒，人类专业译员平均水平为4至5秒。测评结果显示，该模型翻译效果超过市面上主流开源同传模型，并超过大部分商用同传API。

在业界常用长音频开源评测集RealSI中，官方称Hy-SimulMT展示较好同传翻译效果。该评测横轴StreamLAAL表示同传翻译延迟指标，反映模型输出翻译结果相比输入音频的延迟秒数，数值越低越好；纵轴表示翻译质量，使用GPT6.1-Sol进行打分，数值越高越好。

官方称，在RealSI评测中，Hy-SimulMT在延迟指标处于较低水平的同时，翻译质量在开源模型中达到较高水平，并超过大多数商用同传API。在短音频测试集上，该模型也有较好表现。

为评估模型真实水平，该团队在合规允许范围内广泛收集互联网上新出现的中文和英文音频，覆盖软件AI、医学、制造能源、自然科学、农业食品、商务管理、法律、教育、文化文旅、体育生活共十个领域，涉及演讲、访谈、会议等多个场景。

该团队不仅测试Hy-SimulMT的效果，也邀请人类同传专家对这些音频进行同声传译。参与的人类同传专家共6位，其中3位拥有CATTI一级口译证书，3位拥有CATTI二级口译证书，所有专家均有多年的同传实战经验。测评对Hy-SimulMT和人类同传专家的翻译内容在延迟和翻译质量上进行对比，其中人类同传专家选取3人中的最高分。

官方称，在该能力定位测评中，Hy-SimulMT翻译质量达到人类同传专家水平，得分更高；速度方面时延更低。