Hy Realtime 是 腾讯混元 于 2026 年 11 月发布的实时语音模型,在语音理解、指令遵循与拟人化表达之外,新增 Agentic 工具调用与唱歌能力。对话中可自行判断是否联网检索,并按歌手、曲风、语种等维度组合点歌。适用于语音助手、客服通话与口语互动类产品。
| 基础信息 | 内容 |
|---|---|
| 产品定位 | 面向实时对话的语音大模型 |
| 出品方 | 腾讯混元 |
| 发布时间 | 2026 年 11 月 13 日 |
| 能力构成 | 语音理解、指令遵循、拟人化表达 |
| 新增能力 | Agentic 工具调用、唱歌 |
| 点歌方式 | 自然语言描述,可承接前文追加条件 |
| 预训练数据 | 千万小时级通用音频理解数据(CT 预训练阶段) |
| 已上线平台 | 元宝语音通话、腾讯客服 |
| API 状态 | 近期上线腾讯云,对外提供 API 服务 |
| 体验入口 | 元宝 App「初语」音色、官方网页 Demo |

Hy Realtime 的核心能力
Hy Realtime 把语音理解、工具决策与歌声生成放进同一条对话链路,并针对中文与中英混说的场景重建了训练与评测体系。以下按五项能力逐条说明。
口语化输入的意图还原
真实通话中常有口齿含糊、话说半截或中途改口的情况,模型结合对话上下文还原完整意图,并据此继续应答。官方称这类不完整输入的理解准确率有显著提升,多轮指令遵循与上下文管理同步增强,长对话中不易丢失前文约束。
对话中的联网与工具调用
模型在对话中判断是否需要联网检索,把搜索决策、工具调用与回答生成合并为一段流程,不再依赖外部规则先行分流。奖励设计上,官方把目标从答案正确性扩展到工具调用的完整过程,并对冗余检索做阶梯式降权。涉及此类编排的常见做法可参考站内 AI 智能体 的说明。
按多维度组合点歌与演唱
唱歌能力由混元与腾讯音乐 TME 灵音 AI 团队联合设计,支持按歌手、专辑、曲风、语种、发行年份与热度组合点歌,也能承接前文继续追加条件。模型可解析「2010 年到 2020 年之间的英文民谣」这类复合描述,匹配歌曲后直接演唱。官方称演唱侧围绕表现力、自然度与音乐性打磨,情绪层次、咬字与气息衔接、旋律与节奏的协调性均有优化。
情感与韵律的表达控制
音质、发音、韵律与情感四个维度相对上一代同步调整,对话内情绪的递进更连贯,语调处理的多样性增加。官方在内部专家 A/B 评测中给出核心体验维度的优势结论,属研发侧主观评测口径,不等同于客观指标。
多轮对话中的指令遵循
SFT 阶段重构了面向真人交流场景的口语化改写生产链路,官方称高质量文本数据向语音任务的有效迁移保留率由 21% 提升至 69%,复杂推理链条转成口语后不被截断。该指标衡量文本能力迁移到语音任务后能保留多少,不等同于识别准确率或推理得分。数据侧另配 51 套纯文本评测集与 50 余套语音评测集组成多领域评测矩阵,官方目标是文本智商不降、语音能力提升。
Hy Realtime 与同类实时语音模型的对比
下表从模型类型、差异化能力及调用入口等维度,对三款实时语音模型逐项对照。
| 对比维度 | Hy Realtime | Grok Voice 3.0 | StepAudio 3 Realtime |
|---|---|---|---|
| 开发主体 | 腾讯混元 | SpaceXSI | 阶跃星辰(StepAudio 3 系列) |
| 发布时间 | 2026 年 11 月 13 日 | 2026 年 10 月 14 日 | 2026 年 9 月 15 日 |
| 模型类型 | 实时语音对话模型 | 端到端语音转语音模型 | 实时语音交互模型 |
| 交互形态 | 多轮实时语音对话,双工能力仍在迭代 | 全双工交互 | 原生全双工实时对话 |
| 差异化能力 | Agentic 工具调用与唱歌 | Artificial Analysis 语音转语音指数 86.9 | 原生全双工对话与话轮判断 |
| 调用入口 | 元宝语音通话与腾讯客服;腾讯云 API 待上线 | Voice Agent API | 阶跃星辰开放平台 API |
- 表格内数据来源:Hy Realtime 一列取自腾讯混元 2026 年 11 月 13 日的发布公告与官方体验页;Grok Voice 3.0 一列取自站内评测页转引的官方发布页与 Artificial Analysis 结果;StepAudio 3 Realtime 一列取自站内 StepAudio 3 系列页整理的官方口径。三列均为各自官方公开口径,评测分数不可跨家直接相减。
- 产品对比简述:模型类型上三款都走语音直达,Hy Realtime 另把工具调用并入对话;差异化能力上 Hy Realtime 以唱歌与联网见长,StepAudio 3 Realtime 偏重原生全双工与话轮判断;交互形态上 Hy Realtime 的双工能力仍在迭代,成熟度低于另两款。
此前,腾讯混元已于 2026 年 11 月 4 日发布旗舰模型 Hy4,重点面向长程软件工程、视觉理解与专业软件操作,与本篇的实时语音能力属不同产品方向,站内已有独立评测页。
Hy Realtime 的应用场景与适用人群
Hy Realtime 面向实时通话与语音交互,下列场景均以连续对话为前提,不涉及离线转写。
- 智能客服与热线:在通话中识别改口与追问并即时更正答案,站内 腾讯元宝 已上线语音通话入口。
- 车载与免手操作:未来可用于驾驶场景下的语音查询与指令交互,具体落地取决于后续 API 与车载集成能力。
- 陪伴与娱乐互动:按情绪与偏好点歌并继续追问,适合需要长时间自然对话的产品形态。
适用人群:做语音助手、客服通话与陪伴类产品的团队,以及需要中文实时语音能力的内容与硬件厂商。只需要离线转写的场合不适合本模型。
Hy Realtime 的使用方法
官方给出的 2 条路径按入口区分:①在元宝 App 语音通话中使用,②通过官方网页 Demo 体验。
在元宝 App 内使用:语音通话选「初语」
- 把元宝 App 更新到最新版本,下载入口见 元宝官方下载页。
- 进入语音通话功能,在音色列表中选择「初语」。
- 直接以口语提问即可,模型会按对话上下文与用户意图判断是否需要联网检索。
在网页 Demo 中体验
- 打开官方体验页,页面标题为「混元语音对话 – 腾讯云 TRTC」,右下角标注所用模型为 Hy Realtime。
- 点击开始对话并授权麦克风即可开始,官方未公布单次时长限制。
- 按页面提供的设置项验证点歌与联网检索等能力,具体设置项以页面实际为准。
两条路径均为消费端入口,网页 Demo 只开放部分能力。官方说明近期将上线腾讯云对外提供 API 服务,接口形态与计费口径尚未公布。
Hy Realtime 的项目地址
- 官方体验页(腾讯云 TRTC):https://rtcube.cloud.tencent.com/component/hunyuan/index.html
- 腾讯云混元产品页:https://cloud.tencent.com/product/hunyuan
Hy Realtime 的价格与开源情况
官方未公布计费规则,现有两个入口可直接体验,API 定价待腾讯云公布。
- 元宝 App:语音通话功能随客户端提供,官方未单列计费说明。
- 网页 Demo:可直接体验,开放部分能力,官方未列单次时长限制。
- 腾讯云 API:官方说明近期上线,价格与配额尚未公布。
- 开源情况:官方未提及开源计划,权重与许可证均未公布。
官方价目页未随公告发布,上述为入口侧现状;API 上线后以腾讯云公布的计费规则为准。
Hy Realtime 的常见问题
Hy Realtime 现在能用吗
可以。元宝 App 的语音通话功能已上线,选择「初语」音色即可体验;网页 Demo 也已开放,可体验部分能力。腾讯云 API 官方说明近期上线,尚未公布接口与价格。
Hy Realtime 支持哪些语言
官方把中文与中英混说作为主要应用场景,并据此构建了体验向评测体系与内部基础智商测试集。公告未逐项列出支持语种,多语种覆盖范围需以官方后续接口文档为准。
唱歌功能怎么用
在对话中直接描述想听的歌即可,可按歌手、专辑、曲风、语种、发行年份与热度组合条件,也能承接前文继续追加。该能力由混元与腾讯音乐 TME 灵音 AI 团队联合设计。
浙公网安备33010202004812号