tencent/Hy-SimulMT-30B-A3B-FP8: новая модель в трендах Hugging Face

Что это

Hy-SimulMT — модель синхронного (simultaneous) перевода в реальном времени от Tencent Hunyuan с двунаправленным переводом речи между китайским и английским. Модель непрерывно принимает аудио и переводит по мере речи говорящего, выдавая переведённый текст и речь, с клонированием голоса в реальном времени. Этот чекпоинт — FP8-квантованная версия модели с выводом только перевода.

Данные из карточки

• На длинном аудиобенчмарке RealSI модель показала StreamLAAL около 3 секунд — наименьший среди сравниваемых систем, при GEMBA выше, чем у сравнимых open-source моделей и четырёх из пяти коммерческих API.
• На коротких аудиобенчмарках: FLEURS 90.3, CoVoST2 75.5, ACL6060 81.2, RealSI-Sentence 84.7.
• По заявлению авторов, качество перевода сопоставимо с профессиональными синхронными переводчиками при часто меньшей задержке.
• Для вывода речи и клонирования голоса нужен настроенный TTS-сервис; есть поддержка vLLM (>=0.31, HYV3ForCausalLM), llama.cpp (PR #31198, пока не влит) и SGLang-Omni.
• Релиз 2026-10-26; язык-источник задаётся явно (zh или en), каждый запрос принимает один файл до 30 секунд.