IT之家 11 月 13 日消息,腾讯混元今日发布全新实时语音模型 Hy Realtime。据 IT之家 报道,该模型在语音理解、指令遵循及拟人化表达上表现优异,并新增 Agentic 工具调用与唱歌能力,目前已上线元宝语音通话及腾讯客服。
要点速览
- 实时交互与意图还原:Hy Realtime 能处理口齿含糊、话说半截或中途改口的不完整输入,结合上下文还原意图,提升理解准确率。
- 工具调用能力:模型可根据对话上下文判断是否执行联网搜索,统一搜索决策、调用工具与生成回答。
- 唱歌能力:依托腾讯音乐 TME 灵音 AI 团队 Co-Design,支持按歌手、专辑、曲风等组合点歌,实现自然语言点歌与歌声融入对话。
- 情感表达升级:音质、发音、韵律、情感维度全面优于上一代,对话内情感变化更自然,共情能力进一步提升。

- 上线情况:当前版本可通过最新版元宝 App 体验,选择“初语”音色;也可访问网页 Demo 体验部分能力。
- 未来迭代:官方表示下一步将重点在双工交互、长期个性化记忆、前后台 Agent 交互等方面提升。
关键参数
| 项目 | 参数 |
|---|---|
| 模型名称 | Hy Realtime |
| 核心能力 | 实时语音、工具调用、唱歌 |
| 上线产品 | 元宝语音通话、腾讯客服 |
| 服务形式 | API 服务(近期上线腾讯云) |
| 体验入口 | 最新版元宝 App、网页 Demo |

价格与上市
- API 服务:近期上线腾讯云,官方尚未公布具体价格。
- App 体验:当前版本可通过最新版元宝 App 免费体验。

媒体评价
IT之家在报道中指出,Hy Realtime 在中文及中英混用场景下的基础搜答类体验有了显著提升。在覆盖数学、科学、逻辑推理、知识问答、复杂指令、文本理解、多轮等多个维度的内部自建基础智商测试集上,非思考模式的中文表现不俗。此外,在语音交互领域多个公开 Benchmark 上,其综合客观表现处于领先水平。
一个读者会问的问题
值不值得关注? Hy Realtime 的核心突破在于将“唱歌”与“工具调用”整合进实时语音流。对于个人创作者而言,这意味着不再需要分别使用文本生成、TTS 合成和音乐生成工具。你可以通过语音指令直接让 AI 搜索素材、调用 API 获取数据,并让 AI 以特定风格演唱背景音乐片段。这种多模态的实时交互,比单纯的文字生成更具实用价值,特别是为视频配音、音乐 Demo 制作提供了新的工作流维度。
适合谁? 适合需要高频语音交互、希望简化多步骤操作(如搜索+生成+演唱)的个人创作者和家庭工作室用户。例如,独立游戏开发者可以利用其工具调用能力,在对话中实时获取游戏数据并生成角色语音;播客主可以利用其唱歌能力快速生成插曲。
需要注意什么? 目前 API 服务尚未公布具体价格,且 App 端仅支持“初语”音色。对于对延迟极度敏感或需要极高精度专业录音室级音质的用户,建议等待后续迭代或自行测试网页 Demo 的表现。





