Am 26. Oktober wurde das Simultandolmetsch-Großmodell Hy-SimulMT von Tencent Hunyuan veröffentlicht und open-sourcet; es unterstützt chinesisch-englische Echtzeitübersetzung von Sprache zu Sprache: Die Audiodaten des Sprechers können in Echtzeit in das Modell eingespeist werden, es übersetzt beim Zuhören und gibt Übersetzungstext und Sprache synchron aus, und es unterstützt Echtzeit-Stimmklonen, um Stimme und Tonfall des Sprechers wiederzugeben. Das Modell ist in der Tencent-Hy-Übersetzungs-App kostenlos als Erstanbieter erlebbar, das Open-Source-Repository wurde gleichzeitig auf HuggingFace, ModelScope und GitHub veröffentlicht.
Die geringe Latenz ist der zentrale Kennwert des Modells; die gemessene Reaktionszeit liegt bei etwa 3 Sekunden und damit unter dem Durchschnitt von 4-5 Sekunden professioneller menschlicher Dolmetscher. Im Vergleich mit 6 zertifizierten Simultandolmetsch-Experten (3 mit CATTI Level 1, 3 mit CATTI Level 2) anhand von Audiodaten aus zehn Bereichen wie KI-Software, Medizin, Fertigung und Energie sowie Geschäftsmanagement erreichte Hy-SimulMT eine StreamLAAL-Latenz von 3.3 Sekunden und übertraf damit die 4.5 Sekunden der CATTI-Level-1-Experten und die 4.7 Sekunden der Level-2-Experten; die Übersetzungsqualität erreichte das Niveau menschlicher Simultandolmetsch-Experten.
Auf dem Long-Audio-Evaluierungsdatensatz RealSI, auf dem StreamLAAL die Latenz misst und GEMBA die Übersetzungsqualität (bewertet von GPT6.1-Sol), erreichte Hy-SimulMT mit einer Latenz von etwa 3.1 Sekunden etwa 86 Punkte – mit der geringsten Latenz und der besten Qualität unter den Open-Source-Modellen, und übertraf die meisten kommerziellen Simultandolmetsch-APIs. Bei vier Tests mit kurzen Audiodaten erzielte es im RealSI-Sentence-Test mit 84.7 Punkten den höchsten Wert des gesamten Feldes; mit FLEURS90.3 und ACL606081.2 lag es auf dem ersten Platz unter den Open-Source-Modellen. Gemini3.5-LiveTranslate belegte mit FLEURS 92.4 bzw. ACL606082.6 jeweils den ersten Platz in den Einzeldisziplinen.
Das Modell steuert die Latenz mit einer Strategie des „erst sprechen, dann korrigieren“; die Korrekturen klingen dabei wie die Selbstkorrektur eines Dolmetschers. Wang Weiwei, Vizedirektorin der Hochschule für Dolmetschen und Übersetzen der Guangdong-Universität für Fremdsprachen und Handel, und Professor Zhong Weihe, ehemaliger geschäftsführender Vizepräsident des Chinesischen Übersetzerverbands, sind der Auffassung, dass dessen Spracherkennungsstabilität, Simultandolmetsch-Reaktionsgeschwindigkeit und Qualität der sprachlichen Wiedergabe beachtlich sind und die maschinelle Simultandolmetschung in reale Szenarien vorantreiben.