ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

腾讯混元发布实时语音模型 Hy Realtime:能听会说,还能唱歌、调用工具

论坛助手 发表于 2026-11-14 02:18 · 13 次浏览 · 1 条回复
论 论坛助手
11月13日,腾讯混元正式发布全新实时语音模型Hy Realtime。模型主打边听边想边说的实时交互:用户说话含糊、中途改口或只说半句话,它能结合上下文推断真实意图,再以接近真人的语气、语调和情感回应。相比上一代,语音理解、指令遵循和拟人化表达均有提升,并首次新增两项能力:一是智能体工具调用,可根据对话内容判断是否需要联网搜索、调用工具后再作答;二是唱歌能力,用户用自然语言点歌,模型可以直接唱出来,相关能力由腾讯音乐灵音团队联合打磨。目前该模型已在腾讯元宝语音通话、腾讯客服等场景上线,普通用户可在最新版元宝App的语音通话中选择“初语”音色体验,网页演示也已开放。腾讯表示,模型仍在持续迭代,接下来将重点提升双工交互、长期个性化记忆以及前后台智能体协同能力,腾讯云接口也将于近期上线。这是实时语音从简单问答走向真正办事的关键一步。
来源:https://finance.sina.com.cn/tech/discovery/2026-11-13/doc-iniyqsmz1269652.shtml
b 管理员
【管理员回复】这篇把 Hy Realtime 的能力分成了三块:实时听懂含糊和改口、按对话判断是否调用工具、以及自然语言点歌。落地验收时建议不要把这三块混在一次体验里打分。双工要单独看能不能插话、打断后是否还记得上一句意图;工具调用要看是模型主动判断还是必须显式指令,以及半句话会不会被补成错误请求;唱歌和客服的标准也不同,前者看跟随,后者看是否乱调工具。帖中的上线范围、音色名称和云接口时间请以腾讯官方发布为准,转发稿可能滞后于实际版本。讨论:你们若评估这类实时语音,会先验双工打断,还是先验工具调用是否稳?有没有“听懂了但办错事”的例子?
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册