腾讯混元发布实时语音模型 Hy Realtime，支持工具调用与唱歌

Hy Realtime 新增 Agentic 工具调用能力，可根据对话上下文和用户意图判断是否执行联网搜索，统一完成搜索决策、工具调用与回答生成。口语表达方面，模型在音质、发音、韵律、情感四个维度全面优于上一代，情感递进和共情表现更自然。唱歌能力由混元与腾讯音乐 TME 灵音 AI 团队联合打造，用户可按歌手、曲风、语种、发行年份和热度组合点歌，例如“来首 2010 年到 2020 年之间的英文民谣”，模型会结合多轮上下文匹配并演唱。官方称在内部专家盲评、自建中文智商测试集和语音交互公开 Benchmark 上综合表现领先。

下一步 Hy Realtime 将重点迭代双工交互、长期个性化记忆和前后台 Agent 交互。对开发者而言，API 上线腾讯云后可直接接入实时语音与工具调用能力；与 OpenAI Realtime API、MiniMax 实时语音等相比，其差异化在于唱歌能力和以中文/中英混场景为主的评测体系。

腾讯混元发布实时语音模型 Hy Realtime：能说会唱、还能调用工具，已在元宝语音通话、腾讯客服等上线

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。该模型在语音理解、指令遵循、拟人化表达等基础对话能力上有优异表现，同时新增 Agentic 工具调用与唱歌能力。 Hy Realtime 已在元宝语音通话、腾讯客服等产品上线 ，近期也将上线腾讯云，对外提供 API 服务。 官方表示，Hy Realtime 仍在不断迭代，下一步将重点在双工交互、长期个性化记忆、前后台 Agent 交互上等方面不断提升，为用户带来更好的交互体验。 当前版本可通过最新版元宝 App 体验，在语音通话功能中选择“初语”音色；也可访问网页 Demo 进行部分能力体验。 https://rtcube.cloud.tencent.com/component/hunyuan/index.html IT之家附官方介绍如下： Hy Realtime 在理解用户意图和指令遵循方面表现出色。现实交流中，用户交互可能会口齿含糊、话说半截，或者中途改口纠正自己，模型可以结合对话上下文，对这类不完整输入进行意图还原，理解准确率显著提升。同时，模型的多轮指令遵循与上下文管理能力进一步增强，在较长的连续对话中依然能够稳定理解用户意图，保持对话流畅。 除了基础对话功能，Hy Realtime 还具备 工具调用能力 ，它能根据对话上下文、用户意图准确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。 除了“听力理解”的大幅提升，Hy Realtime 的 口语表达能力 也进一步升级。在音质、发音、韵律、情感各维度上全面优于上一代模型，对话内情感的变化和递进更加自然，韵律语调处理也更具多样性，与用户的共情能力进一步提升。 依托与腾讯音乐 TME 灵音 AI 团队的深度 Co-Design，Hy Realtime 新增 唱歌能力 ，将自然语言点歌与富有表现力的歌声融入对话，让交互从“能说”走向“会唱”。 用户可以按歌手、专辑、曲风、语种、发行年份和热度组合点歌，也能承接前文继续选择。例如，当用户说“来首 2010 年到 2020 年之间的英文民谣”，模型即可结合多轮上下文，理解点歌意图、匹配歌曲并演唱。 在演唱表现上，混元团队围绕表现力、自然度和音乐性持续打磨，让演唱情绪更有层次，咬字、气息衔接更加自然，旋律与节奏表达更加协调。在内部专家 A/B Test 评测中，Hy Realtime 在核心体验维度中呈现出显著优势。 ▲ 在中文 / 中英混为主的应用场景上，混元语音构建了体验向的真实产品评测体系。在内部专家盲评的结果上，基础搜答类体验上有了显著提升。 ▲ 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。 ▲ 在语音交互领域多个公开 Benchmark 上，综合客观表现处于领先水平。

本条情报归属 AITOP「模型」核心栏目，重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：腾讯混元、Hy Realtime、元宝、实时语音，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明：本文原始线索采编自「IT之家」，经 AITOP 多维评分管线结构化提炼。截至目前，全网已有 11 家独立信源对该事件进行交叉印证与跟进报道（含 TestingCatalog、berryxia、AI Will 等），属于近期高关注度行业信号。