Tencent Hy-SimulMT 공개: 중-영 실시간 동시통역 30B-A3B 오픈 모델

핵심 요약

Tencent Hunyuan 팀은 중국어-영어 양방향 실시간 음성 번역 모델 Hy-SimulMT를 공개했다. GitHub README의 뉴스 항목에는 "2026.10.26 | Release"로 기록돼 있다. 화자가 문장을 끝내기 전에 번역문을 내보내는 동시통역(simultaneous translation) 방식이며, Hugging Face 모델 카드 기준 라이선스는 Apache-2.0이다. 이 글의 성능 수치는 모두 Tencent가 README에 제시한 자체 평가 결과다.

모델 구성

Hy-SimulMT-30B-A3B는 총 30B 파라미터의 혼합 전문가(MoE) 모델이고, 이름의 A3B는 토큰당 활성 파라미터가 약 3B라는 뜻이다(AlphaSignal 요약도 같은 설명). 변형은 6종이다. 번역문만 출력하는 기본형과 원문과 번역문을 함께 출력하는 Interleave형이 있고, 각각 BF16 기본 가중치, FP8, GGUF 빌드가 제공된다. 번역 텍스트와 음성을 출력하며 실시간 음성 복제를 지원하지만, 음성 생성과 복제에는 별도로 설정한 TTS 서비스가 필요하다.

성능: README가 제시한 수치

RealSI 장문 오디오에서 StreamLAAL(스트리밍 지연 지표)은 약 3초로, 비교 시스템 가운데 가장 낮다고 README는 밝힌다. 같은 평가에서 GEMBA 점수는 비교한 오픈소스 모델과 상용 API 5개 중 4개를 앞선다. README는 StreamLAAL이 첫 음성 출력까지의 시간과 같지 않다고 따로 적었다. 단문 벤치마크 점수는 다음과 같다.

표에서 Hy-SimulMT가 전체 1위인 항목은 RealSI-Sentence뿐이다. FLEURS와 ACL6060에서는 Gemini3.5-LiveTranslate가, CoVoST2에서는 Qwen3.8-LiveTranslate가 앞선다. 통역사 비교도 있다. 약 6분짜리 녹음 18건(10개 분야)을 CATTI 1급과 2급 통역사 각 3명, 총 6명과 비교했고, Tencent는 번역 품질이 전문 통역사와 같은 수준이며 응답은 대체로 더 빠르다고 밝혔다. 정확한 수치는 README의 차트 이미지에만 있다.

사용성: 설치와 실행

요구 사양은 Linux, Python 3.12 이상, 충분한 메모리의 NVIDIA GPU와 CUDA 호환 드라이버다. vLLM 경로는 HYV3ForCausalLM을 지원하는 vLLM 0.31 이상이 필요하다. 저장소를 받아 SimulInfer 디렉터리에서 bash deploy.sh --install-server --model tencent/Hy-SimulMT-30B-A3B-Interleave를 실행하면 의존성 설치와 vLLM, 웹 서비스 기동이 이뤄진다. 기동 후 http://127.0.0.1:8080/에서 웹 화면을 쓰거나, /translate/stream 엔드포인트에 오디오 파일을 업로드할 수 있다. 추론 서버(SimulInfer), 웹 인터페이스, 이어 학습용 스크립트(SimulTrain)가 함께 공개됐다.

한계

README가 밝힌 제한은 분명하다. 통역사 비교는 해당 샘플, 통역사, 설정에만 적용되며 음성 품질이나 목소리 유사도를 포괄적으로 평가하지 않았다. 시스템이 일찍 말하기 시작한 뒤 나중에 정정할 수 있다. 원격 마이크 접근에는 HTTPS가 필요하다. 공식 llama.cpp 저장소에는 Hy-SimulMT 지원이 아직 병합되지 않았다. 지원 언어도 문서상 중국어와 영어뿐이다. 법정 증언이나 의료 동의처럼 책임이 따르는 상황에서는 전문 통역사가 여전히 중요하다고 README는 권고한다.

전망과 결론

동시통역 모델을 가중치와 추론 서버, 학습 스크립트까지 Apache-2.0으로 내놓은 점이 이 공개의 실질적 가치다. 다만 평가가 벤더 자체 수행이고 지원 언어가 두 개라 범용 번역 도구로 보기는 어렵다. 중국어-영어 실시간 번역 파이프라인을 직접 구성해 보려는 개발자와 연구자에게는 시도해 볼 만하다. 실제 환경의 지연과 정확도는 직접 측정해야 한다.