Hy-SimulMT خدام

Hy-SimulMT هو موديل كبير ديال الترجمة الفورية مفتوح المصدر من Tencent Hunyuan، كيدعم الترجمة الآنية من الصوت للصوت بين الصينية والإنجليزية، وكيخليك تسمع وتترجم فالحين مع استنساخ نبرة صوت المتكلم مباشرة. حسب الاختبارات العملية، زمن الاستجابة ديال Hy-SimulMT كيوصل تقريباً لـ 3 ثواني، أحسن من مستوى المترجمين البشريين اللي كيتراوح بين 4 و5 ثواني؛ وفمجموعة تقييم RealSI، حقق أقل تأخير وأفضل جودة ترجمة بين النماذج المفتوحة المصدر، وتفوّق على أغلب واجهات API التجارية، كما فاقت جودتو فاختبارات متعددة المجالات جودة خبراء الترجمة الفورية البشريين.

الترجمة الفورية الصوتية: الصوت ديال المتكلم كيقدر يدخل للموديل بشكل متواصل، والموديل كيسمع ويترجم وكيخرج الترجمة فالحين، باش يحقق ترجمة آنية ثنائية الاتجاه من الصوت للصوت بين الصينية والإنجليزية.
استنساخ نبرة الصوت فالحين: الترجمة الصوتية كتقدر تحافظ على نبرة صوت المتكلم وطريقة كلامو، وفالحوارات اللي فيها بزاف ديال الناس كيقدر يميّز ويرجّع صوت كل متكلم.
إخراج مزدوج للنص والصوت: الموديل كيقدر يخرج نص الترجمة، ونسخة Interleave كتقدر حتى تخرج النص الأصلي فآن واحد، ويمكن استعمال خدمة TTS مرافقة لإخراج الترجمة الصوتية.
استجابة قليلة التأخير: الاختبارات العملية كتبيّن تأخيراً فالتنفيذ الفوري كيوصل تقريباً لـ 3 ثواني، أسرع من مستوى المترجمين المحترفين اللي كيتراوح بين 4.5 و4.7 ثواني.

تابع WeChat وردّ بـ «开源» باش تنضم لمجموعة تبادل مشاريع الذكاء الاصطناعي مفتوحة المصدر
فكّ الترجمة الفورية بشكل متدفق: الفهم التدريجي و«بدا الهضرة بكري وصلّح من بعد». التحدي الأساسي فالترجمة الفورية هو الموازنة بين «معلومات أكثر كتجيب ترجمة أدق» و«البداية بكري كتخلي السماع أحسن». Hy-SimulMT ما كيتسناش المتكلم يسالي الهضرة، بل كيتعامل مع تدفق صوتي متواصل وكيستقبل ويفهم المعلومات بالتدريج، وكيبدا يولّد الترجمة من بعد ما يجمع غير شوية ديال المعطيات الصوتية؛ ومنين كتوصل معلومات جديدة وكيبان أن الإخراج السابق ناقص ولا فيه خطأ، كيصلّح الترجمة بحال المترجم البشري.
العمود الفقري للترجمة مبني على MoE كبير ومتفرق: الموديل مفتوح المصدر هو Hy-SimulMT-30B-A3B، يعني فيه 30B من مجموع المعلمات، وكيشغّل تقريباً 3B معلمة فكل مرة، بهندسة الخبراء المتعددين (MoE). كيعتمد على عائلة نماذج HYV3ForCausalLM ديال Hunyuan، وعلى vLLM كخلفية رئيسية للاستدلال. هاد التصميم ديال التفعيل المتفرق كيخليه يحافظ على جودة ترجمة النماذج الكبيرة مع بقاء تكلفة الاستدلال قريبة من النماذج الصغيرة، وهادشي مناسب للترجمة الفورية اللي كتحتاج السرعة فالمعالجة الآنية.
استنساخ نبرة الصوت كيتدار بواسطة مكوّن TTS مستقل: الموديل الأساسي مسؤول على التعرف المتدفق على الكلام والترجمة الفورية وإخراج النص، بجوج أوضاع: الترجمة فقط، أو النص الأصلي مع الترجمة. أما تركيب الصوت واستنساخ نبرة الصوت الداخلة فكتتكلف بهم خدمة TTS قابلة للإعداد. هاد التصميم المعياري كيسمح بتحسين جودة الترجمة وطبيعية نبرة الصوت كل وحدة بوحدها، وكيعاون على دمج خدمات TTS ديال أطراف أخرى؛ ولكن فالسلسلة المتتابعة، أخطاء التعرف على الكلام (ASR) تقدر تنتاقل للمراحل اللاحقة، وخص متانة موديل الترجمة باش يتعامل معها.

نسخ المستودع: نفّذ git clone https://github.com/Tencent-Hunyuan/Hy-SimulMT.git ودخل لمجلد المشروع.
نشر خدمة الاستدلال بأمر واحد: دخل لمجلد SimulInfer/ وشغّل bash deploy.sh --install-server --model tencent/Hy-SimulMT-30B-A3B-Interleave.
إعداد TTS (اختياري): إلا بغيتي الإخراج الصوتي واستنساخ نبرة الصوت، أعدّ إعدادات الاتصال بخدمة TTS فـ config.toml؛ الترجمة النصية ما كتحتاجش هاد الخطوة.
بدا الاستعمال: تسنّى حتى يبان فالتيرمينال Ready: http://127.0.0.1:8080/، ومن بعد حلّ هاد العنوان فالمتصفح، اختار اتجاه الترجمة، ورفع ملف صوتي ولا حلّ الميكروفون وهضر، ومن بعد كليك على «Stop and finish» باش تسالي.
الاستعمال من سطر الأوامر: تقدر تستعمل curl -N http://127.0.0.1:8080/translate/stream -F direction=en-zh -F file=@audio.wav لرفع ملف، ولا تستعمل عميل simulinfer-client اللي جاي مع المستودع باش تحصل على نتيجة الترجمة.

ريادة فقلة التأخير: StreamLAAL فالاختبارات العملية كيوصل تقريباً لـ 3 ثواني، أسرع من المترجمين المحترفين، وهو موديل الترجمة الفورية مفتوح المصدر الأقل تأخيراً بين الأنظمة المقارنة.
الجودة والسرعة مجموعين: فتقييم RealSI للتسجيلات الصوتية الطويلة، حقق «أقل تأخير + أعلى جودة»، وكانت نقطة GEMBA ديالو أعلى من جميع النماذج المفتوحة المصدر المقارنة ومن 4 ديال أصل 5 واجهات API تجارية.
مستوى الخبراء البشريين: فاختبار أعمى مع 6 ديال خبراء الترجمة الفورية حاصلين على شهادات CATTI من المستوى الأول أو الثاني، كانت نقطة جودة الترجمة أعلى وسرعة الاستجابة أكبر.
استنساخ نبرة الصوت فالحين: الصوت المترجم كيقدر يرجّع نبرة صوت المتكلم وطريقة كلامو بدرجة كبيرة، وفالمشاهد اللي فيها بزاف ديال المتكلمين كيقدر يميّز بينهم، وكيخلي التواصل طبيعي أكثر.

مستودع GitHub: https://github.com/Tencent-Hunyuan/Hy-SimulMT
مستودع النماذج فـ HuggingFace: https://huggingface.co/collections/tencent/hy-simulmt

المؤتمرات والمنتديات الدولية: تم اختيارو كتطبيق رسمي للترجمة بالذكاء الاصطناعي لفائدة المتطوعين وموظفي الخدمات الأساسية فالأنشطة الدولية الكبيرة، للاستقبال والتواصل مع الضيوف الأجانب فالموقع.
المفاوضات والاجتماعات التجارية متعددة اللغات: كيوفر الترجمة الآنية بين الصينية والإنجليزية فاجتماعات الشركات الدولية، بحيث يقدر كل طرف يهضر ويسمع بلغتو الأم، وكيقلل تكلفة التواصل.
الترجمة الفورية فالعروض والتكوين: فالمحاضرات الأكاديمية، والتكوينات الداخلية للشركات، والدروس المفتوحة، وغيرها من الحالات اللي كيهضر فيها شخص واحد لمدة طويلة، كيقدر الموديل يترجم باستقرار وبأسلوب طبيعي، وكيصلح كأداة «للمساعدة على الفهم».
المقابلات والمحتوى الإعلامي متعدد المتكلمين: فالمقابلات والبودكاست والأفلام الوثائقية وغيرها من الحوارات الجماعية، كيستنسخ الموديل نبرة صوت كل متكلم فآن واحد، وكيقدر المستمع يميّز شكون كيهضر.
السياحة والخدمات اليومية مع الأجانب: فحالات التواصل البسيطة وقليلة المخاطر فالمطارات والفنادق والمعارض والمطاعم وغيرها من شبابيك الخدمات الموجهة للأجانب، كيساعد موظفي الخدمات والسياح الأجانب يديرو تواصل مباشر أساسي ومفيد.