🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 娱乐 采集 2026-11-13T10:08:32+00:00

腾讯混元发布实时语音模型 Hy Realtime

原始标题:腾讯混元发布实时语音模型 Hy Realtime:能说会唱、还能调用工具,已在元宝语音通话、腾讯客服等上线

来源
ithome
发布时间
2026-11-13T08:41:34
采集批次
2026-11-13-10
字数
809
URL 指纹
a1a72f59f934c0ad

📌 AI 总结(202 字)

腾讯混元发布实时语音模型 Hy Realtime,主打更准确的语音理解、稳定的连续对话、拟人化表达及 Agentic 工具调用,并首次加入唱歌能力。该模型可结合上下文还原模糊或中断的指令,自主判断是否联网搜索,已应用于元宝语音通话和腾讯客服,后续将接入腾讯云并提供 API 服务。模型还支持按歌手、专辑、曲风、语种、年份等条件点歌演唱,下一步将重点提升双工交互、长期个性化记忆及前后台 Agent 协作。
📄 正文(809 字)
腾讯混元今日发布全新实时语音模型 Hy Realtime,在语音理解、指令遵循、拟人化表达等基础对话能力上进行升级,同时新增 Agentic 工具调用与唱歌能力。

Hy Realtime 已在元宝语音通话、腾讯客服等产品上线,近期还将上线腾讯云,并以 API 形式对外提供服务。官方表示,模型仍在持续迭代,下一步将重点提升双工交互、长期个性化记忆以及前后台 Agent 交互能力。

当前用户可通过最新版元宝 App 体验。在语音通话功能中选择「初语」音色,即可使用当前版本;部分能力也可通过网页 Demo 体验。

在理解用户意图和遵循指令方面,Hy Realtime 能够结合对话上下文,处理口齿含糊、话说半句或中途改口等不完整输入,还原真实意图并提升理解准确率。其多轮指令遵循和上下文管理能力也得到增强,在较长对话中可维持稳定理解和流畅交互。

模型新增的工具调用能力可依据上下文与用户意图,自主判断是否执行联网搜索,统一完成搜索决策、工具调用和回答生成。这意味着它不仅能进行语音交流,还可根据实际需求调用外部服务。

在语音表达上,Hy Realtime 的音质、发音、韵律和情感表现均优于上一代模型,能够更自然地呈现情感变化与递进,语调处理更加多样,与用户的共情能力有所提升。

依托腾讯音乐 TME 灵音 AI 团队的协作,Hy Realtime 还新增了唱歌能力,将自然语言点歌与富有表现力的歌声融入对话。用户可以按歌手、专辑、曲风、语种、发行年份和热度组合点歌,也可延续前文继续选择。例如,提出寻找 2010 年至 2020 年间英文民谣的需求后,模型能够理解上下文、匹配歌曲并演唱。

为提升演唱效果,混元团队围绕表现力、自然度和音乐性持续优化,使歌声更有情绪层次,咬字与气息衔接更加自然,旋律和节奏也更为协调。内部专家 A/B Test 显示,Hy Realtime 在核心体验维度具有显著优势。