腾讯混元发布实时语音模型 Hy Realtime，支持工具调用与唱歌

腾讯混元于 11 月 13 日发布实时语音模型 Hy Realtime，已上线元宝语音通话和腾讯客服，近期将通过腾讯云开放 API。用户在最新版元宝 App 语音通话中选择“初语”音色即可体验，也可访问官方网页 Demo。模型针对真实对话场景做了意图还原：面对口齿含糊、话说半截或中途改口的输入，能结合上下文还原用户意图，并增强多轮指令遵循与上下文管理。 Hy Realtime 新增 Agentic 工具调用能力，可根据对话上下文和用户意图判断是否执行联网搜索，统一完成搜索决策、工具调用与回答生成。口语表达方面，模型在音质、发音、韵律、情感四个维度全面优于上一代，情感递进和共情表现更自然。唱歌能力由混元与腾讯音乐 TME 灵音 AI 团队联合打造，用户可按歌手、曲风、语种、发行年份和热度组合点歌，例如“来首 2010 年到 2020 年之间的英文民谣”，模型会结合多轮上下文匹配并演唱。官方称在内部专家盲评、自建中文智商测试集和语音交互公开 Benchmark 上综合表现领先。 下一步 Hy Realtime 将重点迭代双工交互、长期个性化记忆和前后台 Agent 交互。对开发者而言，API 上线腾讯云后可直接接入实时语音与工具调用能力；与 OpenAI Realtime API、MiniMax 实时语音等相比，其差异化在于唱歌能力和以中文/中英混场景为主的评测体系。