Tencent Hunyuan ने Hy-SimulMT मॉडल जारी किया और इसे सार्वजनिक रूप से उपलब्ध कराया है - एक सिमुल्टेनियस ट्रांसलेशन सिस्टम जो वक्ता के बोलते रहने के दौरान चीनी भाषण का अंग्रेजी में और इसके विपरीत अनुवाद करता है। यह मॉडल वास्तविक समय में वक्ता की आवाज को पुन: प्रस्तुत करता है, जिससे श्रोता मूल आवाज के बहुत करीब अनुवाद सुन सकते हैं।
IT Home से मिली जानकारी, साथ ही GitHub और Hugging Face पर परियोजना के पेजों के अनुसार, यह मॉडल शुरू में Hy Translate ऐप में मुफ्त में उपलब्ध है। मुख्य पैरामीटर विलंबता है; Tencent इसे स्ट्रीमिंग ट्रांसलेशन के लिए मानक मीट्रिक StreamLAAL का उपयोग करके मापता है और लंबी बेंचमार्क RealSI पर लगभग 3 सेकंड का मान बताता है, जो तुलना की गई प्रणालियों में सबसे कम है। हालांकि, परियोजना स्पष्ट करती है कि StreamLAAL पहले अनुवादित कथन को सुनने में लगने वाले समय से अलग है।
तुलना के लिए, IT Home इंगित करता है कि पेशेवर मानव अनुवादकों की विशिष्ट विलंबता 4 से 5 सेकंड होती है। गुणवत्ता के संबंध में, लंबी बातचीत में Hy-SimulMT मॉडल का GEMBA स्कोर तुलना में खुली मॉडलों और पांच में से चार परीक्षण किए गए वाणिज्यिक API से बेहतर था। छोटे डेटासेट पर, इसने FLEURS पर 90.3, CoVoST2 पर 75.5, ACL6060 पर 81.2 और RealSI-Sentence पर 84.7 परिणाम दिखाए, जिसमें अंतिम स्कोर सूचीबद्ध सभी प्रणालियों में उच्चतम था।
टीम ने 10 विभिन्न क्षेत्रों में सितंबर 2026 से रिकॉर्ड किए गए प्रत्येक लगभग छह मिनट के 18 रिकॉर्डिंग पर मॉडल की तुलना मानव अनुवादकों से भी की। अध्ययन में छह अनुवादकों ने भाग लिया: तीन के पास चीन में मान्यता प्राप्त CATTI स्तर 1 प्रमाणन था, और तीन के पास स्तर 2 था, और प्रत्येक स्तर से सर्वश्रेष्ठ परिणाम का उपयोग किया गया। Tencent इसे एक छोटे पैमाने का मूल्यांकन कहता है। ग्वांग्डोंग यूनिवर्सिटी ऑफ फॉरेन लैंग्वेजेज के इंटरप्रिटेशन एंड ट्रांसलेशन स्टडीज स्कूल के उप डीन वान ज़ीवेई ने प्रकाशन के साथ जारी बयान में उल्लेख किया कि प्रणाली पहले बोलती है और फिर मानव अनुवादक की तरह खुद को ठीक करती है, और एआई अनुवाद समझ में सहायता से लेकर कम जोखिम वाली स्थितियों में उपयोग योग्य संचार की ओर बढ़ रहा है।
जारी किया गया मॉडल 30B-A3B के साथ एक मिक्सचर-ऑफ-एक्सपर्ट्स प्रकार की प्रणाली है, जो FP8 और GGUF बिल्ड में उपलब्ध है, साथ ही एक इंटरलीव विकल्प भी है जो मूल प्रतिलेख भी प्रदान करता है। Hugging Face पेज पर Apache 2.0 लाइसेंस सूचीबद्ध है। Tencent दो उपकरणों के साथ आता है: SimulInfer, एक वेब इंटरफ़ेस, WebSocket API और वैकल्पिक टेक्स्ट-टू-स्पीच के साथ vLLM पर बनाया गया एक सेवा स्टैक, और विषयगत डेटा पर आगे प्रशिक्षण के लिए SimulTrain। llama.cpp के साथ एकीकरण अभी तक पूरा नहीं हुआ है।
यह रिलीज़ Hunyuan से पहले के खुले अनुवाद मॉडल के बाद आती है और पाठ प्रारूप से लाइव स्पीच में बदलाव का प्रतीक है - एक ऐसा वातावरण जहां विलंबता सबसे महत्वपूर्ण होती है।
