腾讯混元发布Hy Realtime语音模型:AI能唱歌还能干活,实时语音交互进入智能体时代

AI资讯4天前发布 EdgeClaw
8 0

11月13日,腾讯混元正式发布全新实时语音模型Hy Realtime。与以往只能一问一答的语音助手不同,这款模型在语音理解、指令遵循与拟人化表达上全面升级,还新增了Agentic工具调用与唱歌能力,推动AI语音交互从简单问答走向更丰富的智能体体验。

新增Agentic工具调用:语音助手从”聊天”走向”干活”

Hy Realtime最核心的变化在于”能干活”。据官方介绍,模型能够根据对话上下文和用户意图,准确判断是否执行联网搜索等操作,将搜索决策、工具调用与回答生成统一起来。这意味着用户不必手动打开浏览器,只需对着语音助手说出需求,模型就能自主决定查什么、怎么查,并基于结果给出答案。

这种”统一决策、自动执行”的能力,让语音交互从被动应答升级为主动完成任务。配合实时语音的低延迟特性,Hy Realtime可以在多轮对话中持续追踪用户意图,减少来回确认的次数,体验更接近真人助理。

腾讯混元Hy Realtime实时语音模型支持工具调用与唱歌,语音助手进入智能体时代

能唱歌的AI:娱乐交互的新玩法

除了干活能力,Hy Realtime还加入了唱歌功能。腾讯混元已与腾讯音乐TME灵音AI团队合作,用户可以根据歌手、曲风、语言、年份等条件组合点歌,AI语音助手能够应景开唱。这一功能让语音模型从工具属性延伸到娱乐属性,也为实时语音交互打开了更丰富的应用场景。

已上线元宝与腾讯客服,API即将登陆腾讯云

落地进度方面,Hy Realtime目前已在腾讯元宝语音通话、腾讯客服等产品中上线。普通用户更新最新版腾讯元宝App,即可在语音通话功能中选择”初语”音色体验。近期,该模型还将登陆腾讯云,面向开发者和企业客户提供API服务。

腾讯混元表示,Hy Realtime仍在持续迭代,下一阶段将重点提升双工交互、长期个性化记忆以及前后台Agent交互能力。双工交互意味着AI能够更自然地处理用户与模型之间的实时交流;长期个性化记忆则有望让AI记住用户的习惯与偏好;前后台Agent交互将进一步拓展AI自主执行任务的能力。

从能聊天到能干活、能唱歌,实时语音模型正在重新定义人机交互的方式。随着腾讯云API的开放,语音智能体应用的门槛将进一步降低,属于实时语音交互的想象空间才刚刚打开。

© 版权声明

相关文章