ChengRang
EN

腾讯混元 Hy Realtime 热门 新增

AI 音频音乐 免费试用

腾讯混元 2026/11/13 发布的实时语音模型,新增 Agentic 工具调用与唱歌两项能力:模型自己判断要不要联网,把搜索决策、调用工具与生成回答合成一次推理;唱歌与腾讯音乐 TME 灵音 AI 团队联合设计,可按歌手、专辑、曲风、语种、发行年份与热度组合点歌,也能承接前文继续筛选;已在元宝语音通话与腾讯客服上线,腾讯云 API 尚未开放

腾讯混元 实时语音 工具调用 唱歌 中文
访问 腾讯混元 Hy Realtime 官网

免责声明:测评内容仅代表编辑个人观点和使用体验,不构成任何商业推荐或投资建议。产品信息和价格可能随时变动,请以官方最新信息为准。

产品简介

端到端语音模型有个老毛病,官方内部常叫开口降智。文本模型懂的那些知识、能做的那些推理,一转到语音对话就变薄,句子顺了,脑子钝了。混元这次的 Hy Realtime 把主攻方向放在这里,11 月 13 日发布,给的数字是迁移保留率从 21% 提到 69%。

这个数字得看清口径。它指的是后训练阶段,高质量文本数据向语音任务迁移时的能力保留比例,不是跑分,也不是准确率。换句话说,以前把一套会推理的模型塞进语音链路,只剩下两成多的智力可用,现在能留下接近七成。方法上是重构口语化改写的数据生产链路,让表达更像人说话的同时不把逻辑链条剪掉。

两项新能力里,唱歌更容易被注意,工具调用其实更实用。工具调用做的事是让模型自己判断要不要联网,把搜索决策、调用工具、生成回答三件事压进一次推理里,而不是先判断、再调接口、再组织语言分三段走。分段的代价在语音场景特别明显,用户听到的是中间那几秒空白。

唱歌来自与腾讯音乐 TME 灵音 AI 团队的联合设计。点歌不是一句话匹配一首,而是六个维度可以叠加:歌手、专辑、曲风、语种、发行年份、热度。官方给的例子是来首 2010 到 2020 年之间的英文民谣,模型要同时解析时间段、语种、曲风三个条件再匹配。更实用的是承接前文,用户可以在上一轮结果上换语种、缩窄年份,不用每次重新描述。

口语理解那一侧补的是真实对话里的残缺输入。说半句、含糊、中途改口纠正自己,模型结合上下文还原意图。这类能力很难有漂亮数字,但对体感影响最大,因为人说话本来就不完整。

渠道这一栏要给清楚,别误判。它已经在元宝语音通话和腾讯客服上线,腾讯云 API 只是近期计划,开发者现在拿不到接口。想试的人在最新版元宝 App 的语音通话里选初语音色。官方写明了下一步才做双工交互与长期个性化记忆,所以当前不是全双工,打断与抢话的处理能力还有限。

榜单部分要谨慎读。内部专家盲评、自建基础智商评测集,以及几个公开 benchmark 的分数,都出现在官方材料里,没有第三方复核,也没有给出可复现的配置。这类数字可以用来说明方向,不适合拿去跟别家横向排位。

核心功能

适合谁用

以下类型的用户会特别受益于 腾讯混元 Hy Realtime:

优点亮点

价格与方案

面向用户的体验免费,元宝 App 语音通话里可选初语音色。腾讯云 API 尚未开放,官方口径是近期上线并对外提供 API 服务,价格未公布。

总结与建议

它解决的是语音模型的老问题,不是加一个花哨功能。保留率从 21% 到 69% 意味着语音链路里终于能留住推理能力,工具调用则把等待压短。唱歌最容易被传播,但它解决的是体验层面的新鲜感,真正的难点在前两项。现在只有元宝与腾讯客服两个入口,开发者要等腾讯云 API 开放。

版本演进

分类
AI 音频音乐
价格
免费试用
标签
腾讯混元 · 实时语音 · 工具调用