Hy Realtime – 腾讯混元推出的端到端实时语音对话模型

AI模型2天前更新 老高
21 0

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 腾讯混元实时语音通话官方发布首屏图

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 RealtimeGrok Voice 3.0StepAudio 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」

  1. 把元宝 App 更新到最新版本,下载入口见 元宝官方下载页。
  2. 进入语音通话功能,在音色列表中选择「初语」。
  3. 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

  1. 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。
  2. 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。
  3. 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。

© 版权声明

相关文章