同声传译一直是AI最难啃的场景之一：它要求模型在说话人还没说完时就输出译文，既要快，又要准，还要稳定。10月26日，腾讯混元发布并开源同声传译大模型 Hy-SimulMT，把目标直接对准了这两个指标。
模型能力： Hy-SimulMT 支持中英语言之间语音到语音的实时翻译。说话人的音频可以实时输入模型，模型边听边译，实时给出译文和语音，并支持实时音色克隆，可还原说话人的声音与语气。该模型已在腾讯 Hy 翻译 App 首发，免费提供服务体验。
延迟表现： 低时延是官方强调的重点。官方称 Hy-SimulMT 的响应时间实测在3秒左右，而人类专业译员的平均水平在4至5秒。这个数字的意义在于，它把机器同传从「能用」推进到「比人快」的区间。
评测口径： 在业界常用的长音频开源评测集 RealSI 上，横轴 StreamLAAL 表示同传翻译的延迟指标，即模型输出译文相对输入音频的延迟秒数，越低越好；纵轴为翻译质量。Hy-SimulMT 在延迟更低的同时，翻译质量达到开源模型中的较好水平，官方称超过大部分商用同传API。短音频测试集上亦有相应表现。
与人类专家的对比： 为了更准确评估真实水平，团队在合规允许范围内收集了互联网上新出现的中文与英文音频，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。团队邀请6位人类同传专家参与——其中3位持CATTI一级口译证书、3位持二级证书，均有多年同传实战经验，评分取专家中的最高分。在这一能力定位测评中，Hy-SimulMT 的翻译质量达到人类同传专家水平区间，且时延更低。
开源情况： 模型已开源至 Hugging Face、ModelScope 与 GitHub，供研究者与开发者使用。对产业而言，语音到语音的同传模型开源，意味着跨境会议、直播、教育等场景的接入门槛会进一步下降；对企业来说，也多了一条自建而非采购API的路径。
需要说明边界：上述延迟与质量数据来自官方自测与特定评测集，人类专家对比的样本量与评分方式由团队设定，未经第三方机构独立复现；在专业领域术语密集、口音复杂或多说话人重叠的真实会议中，表现仍待更长期检验。
一句话收尾：同传这个岗位被AI替代的讨论已经很久，这次给出的是可复现的数字，而不是演示视频。