据行业简报,腾讯混元发布实时语音模型 Hy Realtime,新增 Agentic 工具调用与唱歌能力,已在元宝语音通话和腾讯客服上线。

据 11 月中旬的行业简报,腾讯混元发布了实时语音模型 Hy Realtime,新增 Agentic 工具调用与唱歌能力,并可根据对话上下文自主判断是否联网搜索。该模型已在元宝语音通话和腾讯客服场景上线。
从"语音转写"到"语音智能体"
传统语音链路通常是"录音—转文字—交给模型—生成文字—合成语音"的串联流程,延迟高、上下文容易丢失。实时语音模型把听、理解、决策、说压缩进一条低延迟通路,用户说话时模型已经在形成回应。Hy Realtime 的看点不在"说得像人",而在于它在说话过程中就能调用工具。
关键在"自主判断是否联网"
把工具调用交给实时语音模型,意味着它不再只是复述训练知识:遇到价格、天气、订单状态这类时效性问题,模型可以自行决定发起联网搜索,再把结果自然地说出来。对客服、咨询类场景,这直接关系到回答的准确性和可信度。
落地场景与需要注意的地方
客服与语音助手是最直接的受益场景——减少转写环节、降低等待感。但需要留意两点:一是工具调用的权限边界必须收窄,实时对话中一旦误触发高风险操作很难挽回;二是"唱歌"这类能力属于厂商演示亮点,实际业务价值有限,选型时不必被带偏。
结论
实时语音 + 工具调用正在成为国产模型的密集发力方向。如果你的业务涉及高频语音交互,建议用真实对话样本实测三件事:端到端延迟、联网判断的准确率、以及工具误触发率,再决定是否替换现有方案。
本文同步自 ev7.cn · AI 博客,原文地址:https://www.ev7.cn/123.html
皮皮 AI 导航
AI 工具榜