腾讯混元发布全新实时语音模型 Hy Realtime支持工具调用与拟人化歌唱

2026 年 11 月 13 日,腾讯混元正式发布全新实时语音模型 Hy Realtime。模型在语音理解、指令遵循和拟人化表达等基础对话能力上做了升级,同时新增 Agentic 工具调用与唱歌两项能力:既能根据上下文判断是否联网搜索、调用工具并生成回答,也能按歌手、专辑、曲风、语种、发行年份、热度等条件点歌演唱。目前 Hy Realtime 已经在元宝语音通话、腾讯客服等产品上线,近期将登陆腾讯云对外提供 API;普通用户可在最新版元宝 App 语音通话中选择 "初语" 音色体验,也可通过网页 Demo 试用部分能力。整体方向是把语音助手从传统问答,推向能主动调用工具、具备情感表达的智能体形态,下一阶段还会继续补强双工交互、长期个性化记忆和前后台 Agent 协同。

一、模型能力一览

能力板块具体表现
语音理解结合上下文对含糊表述、半截话、中途改口等不完整输入做意图还原,理解准确率提升
指令遵循多轮指令跟随与上下文管理增强,长连续对话中稳定把握意图、保持流畅
口语表达音质、发音、韵律、情感优于上一代模型,情感变化递进更自然,韵律语调更多样
工具调用依据上下文和意图判断是否联网搜索,统一完成搜索决策、工具调用与回答生成
唱歌能力与腾讯音乐 TME 灵音 AI 团队深度 Co-Design,自然语言点歌并演唱,支持多维度组合筛选
落地渠道元宝语音通话、腾讯客服已上线;腾讯云 API 近期开放;元宝 "初语" 音色、网页 Demo 可体验

二、基础对话:先把 "听得懂、接得住" 做好

意图还原

  • 真实交流中用户可能口齿含糊、话说到一半,或者中途改口纠正自己,输入信息本身不完整。
  • Hy Realtime 结合对话上下文还原真实意图,而不是按字面零碎信息硬接,官方称理解准确率有显著提升。

多轮指令与上下文管理

  • 多轮指令遵循和上下文管理能力进一步增强。
  • 较长的连续对话中仍能稳定理解用户意图、维持对话连贯,避免中途丢话题或重复确认。

拟人化表达

  • 在音质、发音、韵律、情感几个维度全面优于上一代模型。
  • 对话内情感变化和递进更自然,韵律语调处理更具多样性,与用户的共情表达进一步提升。

三、工具调用:语音助手能动手查、能执行

  • 模型依据对话上下文和用户意图,判断当前问题是否需要联网搜索这类外部信息。
  • 判定需要工具后,由模型统一调度搜索决策、工具调用、回答生成三个环节,不需要用户反复催促或手动跳转。
  • 传统语音助手大多只能基于内置知识回话;Agentic 工具调用让语音交互不只是 "动嘴",还能借助外部工具完成信息查询等实际任务。

四、唱歌能力:从 "能说" 到 "会唱"

合作背景

  • 唱歌能力依托与腾讯音乐 TME 灵音 AI 团队的深度 Co-Design(协同设计),点歌面向有授权的曲库内容。

六维组合点歌

  • 支持按歌手、专辑、曲风、语种、发行年份、热度六个维度组合筛选。
  • 可以承接前文继续选择,例如用户说 "来首 2010 年到 2020 年之间的英文民谣",模型结合多轮上下文理解点歌意图、匹配歌曲并演唱。

演唱打磨方向

  • 围绕表现力、自然度和音乐性持续优化。
  • 演唱情绪更有层次,咬字和气息衔接更自然,旋律与节奏表达更协调。
  • 内部专家 A/B Test 评测中,Hy Realtime 在核心体验维度呈现显著优势。

五、评测口径与公开基准

评测体系

  • 面向中文及中英混用场景,混元构建了体验向真实产品评测体系,基础搜答类体验在内部专家盲评中明显提升。
  • 内部自建基础智商测试集覆盖数学、科学、逻辑推理、知识问答、复杂指令、文本理解、多轮等维度,非思考模式下中文表现不俗。

公开 Benchmark

  • 覆盖 Big Bench Audio、Voice Bench、Open Audio Bench、Wild Speech Bench 等语音交互基准。
  • 官方称在上述公开基准上综合客观表现处于领先水平。

需要注意的边界

  • 部分对照结果来自内部专家盲评和自建测试集,测试卷与对照口径尚未完全公开,第三方横向验证仍需等待后续公开榜单。
  • 首响延迟、音色数量、模型规模等关键工程参数尚未披露;腾讯云实时语音接口、定价和文档也还在 "近期上线" 阶段。
  • 本次发布的 Hy Realtime 未开源。

六、落地进展与迭代规划

当前落地

  • 已部署于腾讯元宝语音通话、腾讯客服等实际应用场景。
  • 开发者和企业客户可等待腾讯云开放标准化 API,后续支持定制化集成与规模化应用。

体验入口

  • 最新版元宝 App:语音通话功能中选择 "初语" 音色即可启用。
  • 官方网页 Demo:可试用部分核心能力。

下一阶段重点

  • 双工交互:让语音响应更贴近真人对话节奏,支持你说我说式实时交谈。
  • 长期个性化记忆:沉淀用户习惯与偏好,在后续对话中动态适配。
  • 前后台 Agent 交互:通话过程中后台并行推进任务,提升复杂任务链的自主规划与执行水平。

七、整体判断

Hy Realtime 这次的核心看点,是把 "听明白、说得自然、能调工具、还能唱歌" 合进同一个实时语音模型:工具调用决定它能不能真正干活,唱歌和拟人化表达决定交互的情感记忆点。模型先进入元宝语音通话、腾讯客服等真实业务场景验证,再通过腾讯云 API 向外输出。但目前公开信息里工程细节和独立评测仍偏少,双工交互、长期记忆、前后台 Agent 都放在后续规划中,实际体验还需要等接口开放和更多第三方实测之后再下结论。

【相关 FAQ】

问题 1:腾讯混元发布的这款实时语音模型叫什么,Hy Realtime 具备哪些核心能力?

回答 1:模型名为 Hy Realtime,于 2026 年 11 月 13 日由腾讯混元发布;核心能力包括语音理解与意图还原、多轮指令遵循、拟人化口语表达,新增 Agentic 工具调用和唱歌能力,可自主判断是否联网搜索并调用工具,也能按条件点歌演唱。

问题 2:Hy Realtime 的工具调用是怎么运作的,目前公开披露了哪些可调用工具?

回答 1:Hy Realtime 根据对话上下文和用户意图判断是否需要联网搜索,随后由模型统一完成搜索决策、工具调用和回答生成;目前公开披露的工具能力以联网信息查询为主,更完整的工具清单要等腾讯云 API 文档上线后确认。

问题 3:Hy Realtime 唱歌支持哪些点歌条件,歌曲版权由谁保障?

回答 1:唱歌能力由 Hy Realtime 与腾讯音乐 TME 灵音 AI 团队深度 Co-Design,支持按歌手、专辑、曲风、语种、发行年份、热度六个维度组合点歌,也能承接前文继续筛选;演唱内容面向有授权的曲库,而非无授权翻唱。

问题 4:现在在哪里可以体验 Hy Realtime,腾讯云 API 什么时候开放?

回答 1:当前可通过最新版腾讯元宝 App,在语音通话中选择 "初语" 音色体验 Hy Realtime,也可访问官方网页 Demo 试用部分能力;模型已在元宝语音通话、腾讯客服上线,面向开发者和企业的腾讯云 API 服务近期开放,具体接口与定价以官方文档为准。

问题 5:Hy Realtime 接下来还会重点迭代哪些方向?

回答 1:官方披露的下一阶段方向包括双工实时交互、长期个性化记忆(记住用户习惯偏好)以及前后台 Agent 协同(通话时后台并行推进任务),进一步提升人机对话自然度和复杂任务自主执行水平。

【参考资料】

  • [2026-11-14](Tencent Hy Realtime: Voice Model With Tool Calling, Singing)TPS
  • [2026-11-14](Hy Realtime, a Real-Time Voice Model, Released: It Can Speak, Sing, and Even Call Tools)C114Pro
  • [2026-11-13](腾讯混元发布 Hy Realtime 语音模型!AI 不仅能聊天 还能唱歌和执行任务)太平洋科技(转快科技)
  • [2026-11-13](腾讯混元发布实时语音模型 Hy Realtime:能说会唱、还能调用工具)IT 之家(今日头条转载)
  • [2026-11-13](Tencent Hunyuan unveils real-time voice model Hy Realtime: it can chat, sing, and search the internet on its own)AIBase
  • [2026-11-13](腾讯混元发布 Hy Realtime 实时语音模型,支持拟人对话、工具调用与歌唱)中关村在线

【免责声明】

本文所引能力描述、点歌维度、评测结果与落地安排,均来自官方发布信息及公开媒体报道;其中部分盲评、智商测试集为腾讯内部自建口径,对照模型与测试条件尚未完全公开,不代表第三方独立验证结论。模型首响延迟、音色数量、参数规模、API 定价等未披露信息以腾讯官方后续文档为准;文中内容仅作行业资讯梳理,不构成投资建议、采购建议或对实际体验效果的承诺,读者据此操作风险自担。

本文来自作者[竹野桃息]投稿,不代表海博商机网立场,如若转载,请注明出处:https://www.hb12369.net/qyzx/202611/1084.html

赞 (3)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 竹野桃息
    竹野桃息 2026年11月16日

    我是海博商机网的签约作者“竹野桃息”!

  • 竹野桃息
    竹野桃息 2026年11月16日

    希望本篇文章《腾讯混元发布全新实时语音模型 Hy Realtime支持工具调用与拟人化歌唱》能对你有所帮助!

  • 竹野桃息
    竹野桃息 2026年11月16日

    本站[海博商机网]内容主要涵盖:互联网行业的追踪与探索

  • 竹野桃息
    竹野桃息 2026年11月16日

    本文概览:2026 年 11 月 13 日,腾讯混元正式发布全新实时语音模型 Hy Realtime。模型在语音理解、指令遵循和拟人化表达等基础对话能力上做了升级,同时新增 Agentic 工具调用与唱歌两项能力:既能根据上下文判断是否联网搜索、调用工具并生成回答,也能按歌手、专辑、曲风、语种、发行年份、热度等条件点歌演唱。目前 Hy Realtime 已经在元宝语音通话、腾讯客服等产品上线,近期将登陆腾讯云对外提供 API;普通用户可在最新版元宝 App 语音通话中选择 "初语 " 音色体验,也可通过网页 Demo 试用部分能力。整体方向是把语音助手从传统问答,推向能主动调用工具、具备情感表达的智能体形态,下一阶段还会继续补强双工交互、长期个性化记忆和前后台 Agent 协同。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们