摘要

腾讯混元发布实时语音模型 Hy Realtime，在低延迟对话之外新增 Agentic 工具调用与唱歌能力，已接入腾讯元宝语音通话与腾讯客服，近期将通过腾讯云开放 API。

11月14日，腾讯混元团队发布实时语音模型 Hy Realtime。与上一代产品相比，最大的变化是语音链路不再只做"听说"，而是在对话过程中直接发起工具调用。

关键细节

• 新增能力：Agentic 工具调用，说话过程中可触发外部服务；新增唱歌能力，支持在语音会话里输出完整歌曲段落。
• 落地入口：已接入腾讯元宝的语音通话功能与腾讯客服系统，用户在元宝里可直接用语音下单、查询与办理业务。
• 开放计划：近期通过腾讯云对外开放 API，具体计费与并发规格尚未公布。
• 产品节奏：腾讯元宝 App 2.0 已基于混元 Turbo 重构，语音是本次升级的主线之一。
• 口径提示：延迟、音质等指标以厂商公布的测试环境为准，未披露第三方对比数据。

行业意义

语音正在成为智能体最自然、也最难做的入口：要同时解决打断、抢话、端到端延迟与工具调用的时序问题。把工具调用下沉到语音模型内部，意味着"边聊边办"成为可能，客服与车机是最先受益的场景。真正的门槛在工程侧——一次语音交互要串起 ASR、模型、TTS 与业务系统，任何一环卡顿，体验都会塌陷。

原文出处

腾讯混元官方发布与 AIBase 11月14日报道综合。

标签

元宝、AI资讯、大模型动态