模型定位
腾讯混元发布的实时同声传译模型，面向中文与英文之间的双向语音翻译。模型权重以 Apache 2.0 许可证发布。(github.com)
能力与用途
- 持续接收说话人的音频，边听边生成译文；适用于会议、演讲、访谈等实时交流场景。
- 本模型版本仅输出译文文本。接入并配置独立的文本转语音（TTS）服务后，系统可输出译文语音并支持实时音色克隆；同系列的 Interleave 版本可同时输出源文本和译文。
- 腾讯在 RealSI 长音频评测中报告约 3 秒的 StreamLAAL 延迟；这是特定测试条件下的厂商评测结果，不代表所有场景的实际延迟。(huggingface.co)
限制与部署
- 官方介绍的同传语言范围为中文与英文，不能据此推断支持其他语言。
- 语音输出和音色克隆依赖另行配置的 TTS 服务；高风险或需要严格问责的场景仍应由专业人员审核。
- 可自行部署。官方 SGLang-Omni 集成说明中，BF16 权重约占 57 GiB，尚不包括 KV cache 和运行时开销；实际资源需求取决于部署方案。(huggingface.co)
发布日期
2026 年 10 月 26 日；官方项目公告以该日期标注发布。(github.com)
价格
截至 2026 年 11 月 15 日，查询腾讯云国内站和国际站的官方定价资料，未核实到本模型的人民币（CNY/RMB）或美元（USD）API 输入、输出价格，也未核实其官方托管 API 计费单位。不能将其他混元翻译模型的报价用于本模型。自行部署仍可能产生计算资源和独立 TTS 服务费用。(cloud.tencent.com)