Hy-SimulMT-30B-A3B

概要

Tencent Hunyuanが開発したリアルタイム同時通訳モデル。中国語と英語の音声を双方向に翻訳し、話者の発話中から訳文を順次生成する。会議、講演、インタビューなどでの利用を想定している。(github.com)

能力と利用

このモデルは翻訳文のみを出力する。原文と訳文の両方を出力するInterleave版は別のチェックポイント。FP8量子化版とGGUF版も公開されている。(github.com)
翻訳音声の生成とリアルタイム音声クローンには、別途TTSサービスの設定が必要。公式リポジトリには推論サービスSimulInferと追加学習ツールSimulTrainが含まれる。(github.com)
公式のRealSI長時間音声評価では、翻訳遅延指標StreamLAALは約3秒。これは初回音声出力までの時間ではなく、特定の評価条件での結果である。(github.com)

制限

公式のモデル説明で対象とする同時通訳方向は中国語と英語の双方向であり、日本語対応は確認できない。
翻訳には誤りが生じ得る。厳密な確認や重大な判断を伴う場面では、人間による確認が重要。公式の人間通訳者との比較結果も、対象サンプルと評価条件に限定される。(github.com)
公式のvLLMによる自己ホスト手順には、Linux、Python 3.12以上、十分なメモリを備えたNVIDIA GPUとCUDA互換ドライバーが必要。モデル重みはApache 2.0ライセンスで公開されている。(github.com)

料金

2026年11月15日にTencent Cloudの中国国内向け価格表と国際向け価格表を確認したが、本モデル固有のAPI入力・出力料金は確認できなかった。CNY・USDのいずれについても単価や課金単位は未確認であり、別モデルの料金は適用しない。自己ホストには計算資源などの費用が別途発生し得る。(cloud.tencent.com)

概要

能力と利用

制限

料金

公開日と公式情報