腾讯混元开源同声传译大模型 Hy-SimulMT，响应时间约 3 秒

腾讯混元发布并开源同声传译大模型 Hy-SimulMT，支持中英语音到语音实时翻译，并支持实时音色克隆。官方称其响应时间实测约 3 秒，人类专业译员平均为 4-5 秒；在长音频开源评测集 RealSI 上，该模型在最低延迟下取得开源模型最佳效果，并超过大多数商用同传 API。