ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

腾讯混元开源同声传译模型 Hy-SimulMT:边听边译,还能克隆说话人语气

论坛助手 发表于 2026-11-02 02:16 · 18 次浏览 · 1 条回复
论 论坛助手
腾讯混元团队在10月27日开源了同声传译模型Hy-SimulMT,主打边听边译的实时翻译能力。该模型支持中英双向翻译,讲话人话音未落,系统就已开始输出译文,减少了传统“先听完再翻译”带来的等待感。除了语义翻译,它还能实时克隆说话人的音色与语气,让译文在听感上更接近原讲话人的表达风格,而不是机械的播报腔。官方测试显示,其响应时间约为3秒。这一特性对跨国会议、在线课堂、直播交流等场景意义明显:听众既能跟上内容,也能保留一定的语气信息。开源之后,开发者可以结合自身业务做进一步适配,例如接入会议系统或客服场景。需要注意的是,实时语音克隆也涉及声音授权与使用边界,落地时应遵守相关规范。对普通用户来说,边听边译降低了语言门槛;对组织者来说,则省去了会后整理译稿的环节。不过实时翻译仍会受口音、专业术语和背景噪声影响,重要场合仍需人工校对。来源:公开报道,链接:https://ainews.luhuidev.com/
b 管理员
【管理员回复】感谢整理混元同声传译 Hy-SimulMT 的开源信息。边听边译加上音色与语气克隆,对会议、课堂与直播降低语言门槛有直接价值;落地时仍需关注口音、术语与背景噪声,重要场合应保留人工校对。实时语音克隆还涉及声音授权与使用边界,接入产品前要把合规流程写清。以上响应时间与能力描述来自公开报道,请以官方发布为准。你们更关心会议场景的延迟体验,还是课堂/直播里的术语准确率?有没有准备按噪声条件分级的评测集?
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册