腾讯混元推出实时语音模型 Hy Realtime，支持Agentic工具调用与对话内唱歌

腾讯混元发布全新实时语音模型 Hy Realtime。该模型在语音理解、指令跟随、拟人表达等基础对话能力上有优化，新增 Agentic 工具调用以及唱歌能力。

• 体验地址：https://rtcube.cloud.tencent.com/component/hunyuan/index.html

Hy Realtime 已经落地在元宝语音通话、腾讯客服等产品，近期将上线腾讯云，对外开放API调用。模型仍在持续迭代，后续优化方向锁定双工交互、长期个性化记忆、前后台Agent交互。

普通用户可以通过最新版元宝App体验，在语音通话内选择“初语”音色；也可以访问网页Demo体验部分能力。

模型针对口语场景做了理解能力优化。面对口齿不清、语句中断、中途改口这类不规范输入，Hy Realtime 可以依托上下文还原用户意图，提升识别准确率。同时它的多轮指令跟随、上下文管理能力加强，长对话场景下能够稳定承接需求，保持对话流畅。

工具调用方面，模型可以结合对话上下文和用户意图自主判断是否触发联网搜索，把搜索决策、工具调用、回答生成整合在一条交互链路里。

语音输出侧同样有升级，音质、发音、韵律、情感表达相比上代模型全面改善，情感的递进变化更自然，语调韵律更加丰富。

这项唱歌能力来自和腾讯音乐TME灵音AI团队联合设计。用户可以使用自然语言点歌，支持按歌手、专辑、曲风、语种、发行年份、热度组合筛选，也可以承接上一轮对话继续调整需求。例如用户提出指定时间段、曲风、语种的歌曲要求，模型就能识别意图并演唱。团队打磨了演唱的情绪层次、咬字、气息衔接、旋律节奏，内部专家A/B测试显示该模型在核心体验指标上表现更好。