目次

北京時間 2026年10月26日、騰訊混元の 2026.10.26 | Release で Hy-SimulMT が公開された。中英双方向のリアルタイム speech-to-speech 同時通訳に加え、リアルタイム音声クローンに対応する。コードは GitHub Tencent-Hunyuan/Hy-SimulMT、重みは Hugging Face tencent/Hy-SimulMT-30B-A3B。LICENSE-Hy-SimulMT.txt は騰訊が公開する推論コード・パラメータ・重みを Apache-2.0 とする（第三者コンポーネントは各元ライセンス）。safetensors 合計は約 30.4B（30,394,794,496）、型名 Hy-SimulMT-30B-A3B（周辺に FP8／GGUF／Interleave などの変体言及あり）。同ラボの近刊オープン：Hunyuan が Hy-Nomas を公開：4090 でも動く対話型動画ワールドモデル。

想定は会議・講演・取材のように、音声が流れ続けているあいだに訳し続ける用途だ。中英の自前ホストを検討するチームには有用だが、「オープンに何が含まれ、何を自分で繋ぐか」を先に分ける必要がある。ここで言うオープンは、Apache-2.0のコード＋ダウンロード可能な約30B重み＋SimulInfer／SimulTrainの入口であり、マイク・スピーカー・クローン声まで溶接済みの同通一体機ではない。TTSと音声I/Oはデプロイ側で繋ぐ必要がある。

約3秒は StreamLAAL——初発話ではない

RealSI 長尺音声評価で、混元は StreamLAAL 約3秒 と報告し、比較図中では最低だ。README（中／英）は明記する：StreamLAAL is not the same as the time to first speech output／StreamLAAL は初発話遅延と同じではない。測るのはストリーミング翻訳の遅れ（図の横軸）であり、「3秒で最初の訳出音声が聞こえる」約束ではない。二次発信が両者を「初発話約3秒」に潰すなら、READMEの誤読だ。

GEMBA、短尺表（FLEURS、CoVoST2、ACL6060、RealSI-Sentence）、CATTI資格の通訳者との対照はいずれもベンダー自己報告。通訳者対照は約6分の中英録音 18 本（10領域）と通訳者6名（CATTI 1級・2級各3）。README自身が、結果はそのサンプル・参加者・設定にのみ当てはまり、音質・声の類似・他次元の包括評価ではないと書く。当サイトもその限界を守り、「人間通訳の全面代替」にはしない。

重みを落としてもすぐ同通にはならない

リポジトリは SimulInfer（推論）と SimulTrain（学習）を提供する。READMEは 音声出力と音声クローンには設定済みの TTS サービスが必要 と明記する。オープンウェイトが渡すのは翻訳／ストリーミング側であり、それ自体は喋らない。Hy Translate App でも試せるが、GitHub／HFからの自前パイプラインとは別経路だ。

ローカル向けの境界が二つ：

  1. llama.cpp は未マージ。 PR #31198 は 北京時間2026年10月27日時点で open・未マージ、現状は llama-mtmd-cli 寄り（llama-server は後続）。公式llama.cppにHy-SimulMTはまだ入っていない。
  2. HFにホスト推論プロバイダはない。 inferenceProviderMapping は空。開放経路は自前で重みを取り自前でサーブすることであり、HFワンクリックのホスト端点ではない。

リアルタイム音声の近文：Block、音声だけで学習した全二重対話モデル Dessa を公開。

言語範囲と品質の読み方

製品リリース文は中英双方向 speech-to-speech。HFカードの多言語 language タグ（ja等を含みうる）を、「日本語などの同通が既対応」と読まない。日英や多言語ブースが本命なら、混元が別リリースで言うまで中英を確認済み範囲とする。

ベンダー自己報告のGEMBA／短尺スコアは、試すエンジニア時間をかけるかの判断材料にはなるが、自前の会場音・マイクチェーン・用語集の代わりにはならない。Apache-2.0が消すのはライセンス税であり、GPU・TTS・運用の請求ではない。パイロット前の現実的な確認は：必要なのが中英だけか、可聴出力用のTTSはあるか、llama.cppはリリースではなくPR前提か、そしてStreamLAALだけでなく自前音声で初発話遅延を測ることだ。

録音の書ろ起くし／エッジ／複数話者会議の選定が本命で、中英ライブ同通ではないなら：Granite Speech 5.0 の選び方：書き起こし・高速・会議は別モデル。

Hy-SimulMT のエンドツーエンド遅延、音質、クローン類似度、自前ホストコストについては、当サイトではまだテストしていない。フィードバックはフッターのサイト管理者連絡先から送れる。