昨天发布的腾讯混元实时语音新模型,今天在元宝App里选"初语"音色就能直接用上。
2026年11月13日,腾讯混元发布全新实时语音模型 Hy Realtime。官方介绍显示,模型在语音理解、工具调用、口语表达、唱歌能力四个维度全面跃升。
一、发生了什么新事
语音理解:结合对话上下文做意图还原,应对口齿含糊、话说半截、中途改口纠正自己不在话下;多轮指令遵循与上下文管理能力增强,较长连续对话仍能稳定理解意图。
工具调用:根据对话上下文与用户意图,准确判断是否执行联网搜索,统一搜索决策、调用工具与生成回答。
口语表达:音质、发音、韵律、情感各维度全面优于上一代,情感变化与递进更自然,共情能力进一步提升。
唱歌能力:依托腾讯音乐 TME 灵音 AI 团队深度 Co-Design,支持自然语言点歌与富有表现力的歌声融入对话。用户可按歌手、专辑、曲风、语种、发行年份、热度组合点歌,也能承接前文继续选择。官方例:"来首 2010 年到 2020 年之间的英文民谣",模型结合多轮上下文理解意图、匹配歌曲并演唱。
下面这张表拿常见旧体验做对照,不是官方参数对比:
维度 | 常见旧体验 | Hy Realtime 新体验
交互方式 | 打字问答、逐句等待回复 | 实时语音对话,语音对话不用打字
听懂能力 | 听不懂半截话、口齿不清需重说 | 结合上下文还原意图,懂含糊音、懂中途改口
信息获取 | 查资料要自己搜、再粘贴给 AI | 依据意图自主判断联网,统一调工具生成回答
情感表达 | 机械朗读、语气平坦 | 音质发音韵律情感全优,共情自然、有递进
娱乐功能 | 纯文本聊天或生成歌词 | 自然语言组合点歌,直接唱给你听

已上线产品包括元宝语音通话、腾讯客服等。腾讯云方面,近期将上线并对外提供 API 服务,目前尚未开放。
二、对普通人意味着什么
三类典型场景可直接受益:
1. 开车族:驾驶时无需低头操作屏幕,开口问路、查东西、发指令,说到一半改口,它也能跟上。
2. 做家务/带娃人群:双手被占用时直接开口对话,开口问问题、查资料、点首歌,全程不用腾出手,听不清可追问、说错可改口。
3. 走路通勤党:边走边说自然中断或改口,模型结合上下文仍能稳定理解意图,到站前问一句今天的安排也行。
腾讯客服已上线该模型。
三、具体怎么做
三步上手:
第一步:更新至最新版元宝 App;
第二步:进入元宝 App 的语音通话功能;
第三步:在音色列表中选择 "初语" 即可开始对话。

部分能力也可访问网页 Demo(rtcube.cloud.tencent.com)体验,具体入口以 App 内实际显示为准。
四、避坑提醒
1. 腾讯云 API 尚未开放,别信第三方“Hy Realtime API 充值/代调用”推销;
2. 点歌是娱乐功能,非音乐下载服务,版权归属以平台规则为准;
3. 关键数字、金额、地址让模型复述一遍再确认,不要只听一遍就信,重要事务仍以权威渠道为准。
下一步双工交互、长期个性化记忆、前后台 Agent 交互等能力仍在迭代,目前未上线。
你最想让它第一时间帮你唱哪首歌?或者哪个场景最想解放双手?评论区聊聊。觉得有用就点个赞,关注「阿宇的AI实操记」,往期还有更多 AI 实测避坑指南等你翻阅。
更新时间:2026-11-16
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight All Rights Reserved.
Powered By 61893.com 闽ICP备11008920号
闽公网安备35020302034903号