腾讯混元推出 Hy Realtime 实时语音模型,支持 Agent 工具调用与 AI 唱歌

腾讯混元在 11 月 13 日正式发布自研实时语音模型 Hy Realtime,这款端到端流式语音模型主打低延迟真人感对话,除了基础语音问答之外,新增 Agentic 工具调用和唱歌能力,现在已经在腾讯元宝语音通话、腾讯客服里面上线,后续还会登陆腾讯云开放 API 给开发者使用,它可以听懂用户中途改口、语句残缺的口语输入,韵律和情感表达更贴近真人,把 AI 语音从简单一问一答升级成可以自主查资料、完成任务的语音智能体。腾讯选择做 Hy Realtime,是因为现在很多实时语音模型大多只能做对话,缺少连贯的工具调用能力,而且唱歌这类带表现力的语音能力很难和实时对话打通,这次模型和腾讯音乐灵音 AI 团队协同开发,把对话、联网检索、歌声生成整合在一套流式链路里,解决边聊边查、边聊边唱的交互痛点。想要体验这款模型,普通用户可以更新腾讯元宝 App,在语音通话里选择 “初语” 音色,开发者可以等腾讯云 API 上线之后接入测试,后续版本还会持续优化双工打断、长期记忆、后台 Agent 协同,进一步提升真人对话的流畅度。

一、Hy Realtime 核心能力清单

  • 流式实时对话:支持边说边响应,能识别用户停顿、改口、句子没说完的口语场景
  • Agent 工具调用:根据对话上下文自主判断要不要联网搜索,统一检索、决策、回答输出
  • 拟人化唱歌:支持按曲风、歌手、语种点歌,对话中直接生成演唱音频
  • 情感韵律优化:语调、停顿随对话情绪变化,减少机械感
  • 多轮上下文记忆:长对话里稳定承接前面的话题,不容易跑偏

二、落地与开放进度

对象体验渠道开放状态
普通用户腾讯元宝 App 语音通话,音色选 “初语”、网页 Demo已经上线可用
腾讯内部业务腾讯客服、元宝语音已部署落地
企业 / 开发者腾讯云 API待上线,近期开放

三、Hy Realtime 和传统语音模型的差异

  1. 传统语音链路:ASR 识别→文本大模型→TTS 合成,识别、理解、发声是分开的模块,打断、衔接容易生硬。
  2. Hy Realtime:端到端流式实时语音模型,语音理解、生成、输出一体化,自带工具调用和歌唱能力,交互连贯性更强。
  3. 普通 TTS 唱歌:大多是单独音乐生成接口,不能和实时对话无缝衔接,Hy Realtime 可以在聊天过程里随时切换唱歌。

四、官方后续迭代规划

  1. 双工交互优化:强化用户随时打断 AI 的能力,更像真人面对面聊天
  2. 长期个性化记忆:记住用户偏好、历史习惯,对话更贴合个人需求
  3. 前后台 Agent 交互:支持 AI 在后台持续执行复杂任务,语音同步反馈进度

五、适合的应用场景

  • AI 语音通话助手、智能客服、车载语音交互
  • 陪伴类语音聊天、语音点歌、互动娱乐
  • 硬件端实时语音智能体、AIPC 语音助手

【相关 FAQ】

问题 1:腾讯混元新发布的 Hy Realtime 实时语音模型,和普通语音大模型最大区别是什么?

回答 1:腾讯混元新发布的 Hy Realtime 实时语音模型是端到端流式语音模型,除了实时对话之外,原生集成 Agent 工具调用和唱歌能力,能够边聊天边联网查询信息,还可以在对话里直接演唱歌曲,口语理解、打断交互的流畅度比拼接式 ASR+TTS 方案更好。

问题 2:普通用户怎么体验腾讯混元 Hy Realtime 实时语音模型?

回答 2:普通用户可以更新最新版腾讯元宝 App,进入语音通话功能,音色选择 “初语”,就能体验腾讯混元 Hy Realtime 实时语音模型的对话、点歌能力,也可以使用官方网页 Demo 试用部分功能。

问题 3:腾讯混元 Hy Realtime 实时语音模型什么时候对外开放给开发者?

回答 3:腾讯混元 Hy Realtime 实时语音模型目前已经在元宝、腾讯客服内部落地,近期会上线腾讯云,对外提供标准化 API 服务,企业和开发者后续可以通过腾讯云接入。

【参考资料】

[2026-11-13](腾讯混元发布全新实时语音模型 Hy Realtime)36 氪

[2026-11-13](腾讯混元 Hy Realtime 实时语音模型上线,支持工具调用与唱歌)IT 之家

[2026-11-13](腾讯混元发布 Hy Realtime 语音模型,支持智能体交互与拟人化歌唱)中关村在线

[2026-11-13](腾讯混元推出 Hy Realtime,打通实时语音对话与音乐生成)太平洋科技

[2026-11-13](腾讯混元 Hy Realtime:实时语音 Agent 新方案)虎嗅网

【免责声明】

  1. 本文资讯来自腾讯混元官方发布及公开媒体报道,Hy Realtime 实时语音模型部分能力还在持续迭代,腾讯云 API 开放时间、计费规则以腾讯云官方公告为准。
  2. 模型唱歌、工具调用效果受网络、音频输入环境影响,不同设备、场景下体验存在差异,不代表所有场景都能稳定达到演示效果。
  3. 文中产品能力、迭代路线为当前版本规划,腾讯有权根据研发进度调整功能优先级,一切以腾讯混元官方更新说明为准。
  4. 本文内容仅为行业资讯梳理,不构成产品采购、技术选型的直接建议。

本文来自作者[隧波分拣]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/kjyw/202611/2016.html

赞 (0)

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)

  • 隧波分拣
    隧波分拣 2026年11月16日

    我是环球科技潮的签约作者“隧波分拣”!

  • 隧波分拣
    隧波分拣 2026年11月16日

    希望本篇文章《腾讯混元推出 Hy Realtime 实时语音模型,支持 Agent 工具调用与 AI 唱歌》能对你有所帮助!

  • 隧波分拣
    隧波分拣 2026年11月16日

    本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技

  • 隧波分拣
    隧波分拣 2026年11月16日

    本文概览:腾讯混元在 11 月 13 日正式发布自研实时语音模型 Hy Realtime,这款端到端流式语音模型主打低延迟真人感对话,除了基础语音问答之外,新增 Agentic 工具调用和唱歌能力,现在已经在腾讯元宝语音通话、腾讯客服里面上线,后续还会登陆腾讯云开放 API 给开发者使用,它可以听懂用户中途改口、语句残缺的口语输入,韵律和情感表达更贴近真人,把 AI 语音从简单一问一答升级成可以自主查资料、完成任务的语音智能体。腾讯选择做 Hy Realtime,是因为现在很多实时语音模型大多只能做对话,缺少连贯的工具调用能力,而且唱歌这类带表现力的语音能力很难和实时对话打通,这次模型和腾讯音乐灵音 AI 团队协同开发,把对话、联网检索、歌声生成整合在一套流式链路里,解决边聊边查、边聊边唱的交互痛点。想要体验这款模型,普通用户可以更新腾讯元宝 App,在语音通话里选择 “初语” 音色,开发者可以等腾讯云 API 上线之后接入测试,后续版本还会持续优化双工打断、长期记忆、后台 Agent 协同,进一步提升真人对话的流畅度。

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