模型定位
Hy-SimulMT-30B-A3B 是騰訊混元開發的即時同聲翻譯模型，支援中文與英文之間的雙向語音翻譯。官方於 2026 年 10 月 26 日公告發布，模型權重以 Apache-2.0 授權提供。(github.com)
能力與用途
- 可持續接收語音，在說話者發言期間輸出譯文文字，適用於會議、演講和訪談等即時跨語言交流。(huggingface.co)
- 搭配已設定的文字轉語音（TTS）服務，可輸出譯文語音並進行即時音色複製。本型號本身僅輸出譯文；另有 Interleave 變體可同時輸出原文與譯文。(huggingface.co)
- 官方在 RealSI 長音訊評測中報告約 3 秒的 StreamLAAL；這是串流翻譯延遲指標，不等同於首次語音輸出的等待時間，也不代表所有場景均可達到該延遲。(github.com)
限制與部署
- 官方介紹的語音翻譯方向為中文與英文雙向；語音輸出及音色複製需要另外設定 TTS 服務。(huggingface.co)
- 自行部署需要運算資源。例如，官方所述 SGLang-Omni 部署方式需要 Linux、NVIDIA GPU 和 CUDA 驅動；BF16 權重約占 57 GiB，尚未計入 KV 快取及執行時配置。(github.com)
價格
截至 2026 年 11 月 15 日，查閱騰訊雲中國大陸及國際站官方定價資料，未核實本型號的人民幣或美元 API 報價；輸入與輸出計費方式及金額均未核實。其他翻譯模型的價格不能視為本型號價格。自行部署仍可能產生硬體、託管或 TTS 費用。(cloud.tencent.com)