腾讯混元Hy Realtime：能说会唱还可调用工具，已上线元宝与客服
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。
Hy Realtime 在听懂用户意图、遵循指令上表现不错。现实对话里，用户常常口齿含糊、话只说半截，或者说到一半改口纠正自己，模型能结合上下文把这类不完整的表达还原出真实意图，理解准确率明显提高。多轮指令遵循和上下文管理也做了加强，对话拉长之后依然能稳住对用户意图的把握，保持交流顺畅。它还能调用工具：根据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统一起来完成。
听懂了，说出来的部分也升级了。音质、发音、韵律、情感几个维度都比上一代强，对话中情绪的变化和递进更自然，语调处理更多样，跟用户的共情也更到位。混元与腾讯音乐 TME 灵音 AI 团队深度 Co-Design，给 Hy Realtime 加上了唱歌能力，自然语言点歌和带表现力的歌声一起进入对话，交互从“能说”变成“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，弄清点歌意图、找到对应歌曲并唱出来。
演唱这一块，混元团队在表现力、自然度和音乐性上反复打磨：情绪层次更分明，咬字和气息衔接更顺，旋律与节奏的配合也更协调。内部专家 A/B Test 评测中，Hy Realtime 在核心体验维度上优势明显。
▲ 针对中文、中英混说为主的应用场景，混元语音搭了一套面向体验的真实产品评测体系。内部专家盲评结果显示，基础搜答类体验提升明显。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，非思考模式下的中文成绩也不差。
▲ 语音交互领域的多个公开 Benchmark 上，综合客观表现处在领先水平。
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。
