腾讯混元Hy Realtime：能说会唱可调工具，已上线元宝与客服
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
理解用户意图、遵循指令这两件事上，Hy Realtime 的表现相当突出。真实交流里，用户说话可能含糊、半截停住，甚至说到一半改口纠正自己，模型能结合对话上下文把这类不完整的输入还原出意图，准确率有明显提升。多轮指令遵循与上下文管理也做了加强，连续对话拉长之后，它照样能稳定接住用户的意思，对话保持顺畅。
对话之外，Hy Realtime 还能调用工具。它会依据对话上下文和用户意图判断要不要联网搜索，把搜索决策、工具调用和回答生成放在一条流程里完成。
“听”的能力大幅提升之外，说的部分也升了一级。音质、发音、韵律、情感几个维度都比上一代模型更好，对话中情感的变化和递进更自然，韵律语调的处理更多样，共情用户的能力也更强。
唱歌是这次新增的能力，来自与腾讯音乐 TME 灵音 AI 团队的深度 Co-Design。自然语言点歌和带表现力的歌声被放进对话里，交互从“能说”延伸到“会唱”。
点歌可以按歌手、专辑、曲风、语种、发行年份和热度组合来选，也能顺着前文接着挑。用户说一句“来首 2010 年到 2020 年之间的英文民谣”，模型就会结合多轮上下文理解点歌意图，匹配到歌曲并唱出来。
演唱表现方面，混元团队在表现力、自然度和音乐性上反复打磨：演唱情绪更有层次，咬字和气息衔接更自然，旋律与节奏的表达也更协调。内部专家 A/B Test 评测中，Hy Realtime 在核心体验维度上优势明显。
面向中文、中英混为主的应用场景，混元语音搭了一套体验向的真实产品评测体系。内部专家盲评的结果显示，基础搜答类体验提升显著。
内部自建的基础智商测试集覆盖数学、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，非思考模式下中文表现不俗。
语音交互领域多个公开 Benchmark 上，综合客观表现处于领先水平。
