刚刚，腾讯混元发布 Hy Realtime，一个真正能说会唱的实时语音模型

11 月 13 日，腾讯混元发布全新实时语音模型 Hy Realtime，模型在语音理解、指令遵循、拟人化表达等基础对话能力上表现优异，并新增 Agentic（智能体式）工具调用与唱歌能力。

目前已在元宝语音通话、腾讯客服等产品上线，近期上线API接口。

听得更懂：话说半截也能理解意图

现实交流中，用户常常口齿含糊、话说半截，或者中途改口纠正自己。Hy Realtime 能结合对话上下文，对这类不完整输入进行意图还原，理解准确率显著提升。

模型的多轮指令遵循与上下文管理能力也进一步增强，在较长的连续对话中，它依然能稳定理解用户意图，保持对话流畅。

在基础对话之外，模型还能根据对话上下文和用户意图，准确判断是否执行联网搜索，将搜索决策、工具调用与回答生成统一完成。

说得自然，还会唱歌

口语表达方面，Hy Realtime 在音质、发音、韵律、情感等维度全面优于上一代模型，对话中情感的变化和递进更自然，韵律语调处理更具多样性，与用户的共情能力进一步提升。

唱歌能力来自与腾讯音乐 TME 灵音 AI 团队的深度协同设计，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歌。

说出“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，咬字与气息衔接更自然，旋律与节奏表达更协调。

评测方面，官方称在内部专家 A/B Test中，Hy Realtime 在核心体验维度呈现显著优势；面向中文及中英混说场景的内部专家盲评显示，基础搜答类体验明显提升；

在覆盖数学、科学、逻辑推理、知识问答、复杂指令、文本理解、多轮对话等维度的内部自建基础测试集上，非思考模式的中文表现不俗；在语音交互领域多个公开基准测试上，综合客观表现处于领先水平。

简单快速，上手使用

现在我们可通过最新版元宝，在语音通话功能中选择“初语”音色即可，也可访问网页 Demo体验。