腾讯开源了个同传模型，说比人类译员还快一秒

10月26日，腾讯混元发布并开源了同声传译模型Hy-SimulMT，中英双向、语音进语音出，边说边译。官方给的实测响应时间是3秒左右，人类专业同传译员的平均水平是4到5秒。

它还有个细节挺有意思：支持实时音色克隆。翻出来的英文，是你自己的声音和语气，不是那种一听就知道是合成的播音腔。

目前首发在"腾讯Hy翻译"App上，免费。权重放到了HuggingFace、ModelScope和GitHub。

评测方法值得说一下。腾讯在RealSI这类长音频开源集上跑了分，横轴是StreamLAAL，衡量输出比输入延迟多少秒，越低越好；纵轴是翻译质量，用GPT6.1-Sol打分。结论是延迟最低的那一档里，它的质量最好，超过大部分商用同传API。

更有说服力的是那组人类对比：6位同传专家，3位持CATTI一级口译证书、3位持二级，都有多年实战经验。评分为每位专家取三人中的最高分，结果Hy-SimulMT的质量得分更高、延迟更低。

这个测试设计有一处我保留意见：取"三人最高分"当人类基准，等于让AI跟人类的最好状态比。要是按平均分算，差距会更明显。样本只有6个人，也说不上统计意义。

同传这行的难处不在词，在节奏。人说话有停顿、有回头改口、有突然插入的专有名词，模型得边听边赌后半句，赌错了还得在下一句圆回来。3秒的延迟意味着它比你听到的落后小半句，日常会议够用，正式谈判场合还是悬。

真实场景里还有个绕不过去的问题：口音。发布会上的标准普通话好办，广东口音的中英混说、印度英语、带背景噪音的会场，官方没给数据，我猜不会太好看。

免费开放、权重开源，这两步走得挺大方。对做会议、直播、跨境电商的小团队来说，能省下一笔不小的翻译成本。至于它能不能替掉同传译员——短期内不会。人坐在那儿，买的不只是翻译，还有临场判断和担责。