Hy Realtime 腾讯混元推出的实时语音模型

灵犀编辑部 2026-11-14 21 阅读

Hy Realtime是什么

Hy Realtime 是腾讯混元推出的实时语音模型，面向真实通话，能还原含糊、说半截、中途改口等意图，长对话多轮理解与指令遵循更稳；表达上音质、韵律、情感更自然，支持共情交流，可按需联网搜索、调用工具，还能按歌手、曲风、语种、年份点歌演唱。Hy Realtime已与腾讯音乐灵音深度合作，上线元宝语音通话、腾讯客服，并将通过腾讯云开放 API。

Hy Realtime的主要功能

实时语音理解：能结合上下文还原含糊、说半截、改口等不完整表达，嘈杂通话中也能稳定听清。
多轮指令遵循：长对话中持续管理上下文，准确执行复杂、连续或多轮指令。
拟人化口语表达：音质、发音、韵律和情感全面升级，语气变化与共情更自然。
Agentic 工具调用：按对话意图判断是否联网搜索，统一完成“决策—检索—生成答案”。
唱歌点歌：可接歌手、曲风、语种、年份、热度等组合点歌，并承接上下文继续选歌演唱。
低延迟语音生成：文本与语音协同建模，边生成文本边合成语音，显著降低首响延迟。
产品化落地：已接入元宝语音通话、腾讯客服，近期将通过腾讯云提供 API。

如何使用Hy Realtime

元宝 App 体验下载并更新到最新版元宝 App。打开元宝，点右上角电话图标进入语音通话。在「自由对话」场景把音色切换为「初语」。开始自然对话；点歌可直接说“来首 2010 到 2020 年的英文民谣”这类条件，工具调用/联网搜索会按对话自动触发。网页体验打开网页 Demo 网址https://rtcube.cloud.tencent.com/component/hunyuan/index.html体验部分能力。 Hy Realtime的核心优势真实口语理解更强：能还原含糊、说半截、中途改口等不完整输入，嘈杂多变通话中更稳。

长对话更稳：多轮指令遵循与上下文管理增强，长连续对话仍能稳定理解意图。表达更拟人：音质、发音、韵律、情感全面升级，情绪递进和共情更自然。会调用工具：可按上下文与意图决定是否联网搜索，统一完成检索到作答链路。新增会唱能力：支持按歌手、曲风、语种、年份等组合点歌，并能结合上下文续点与演唱。低延迟流式生成：文本与语音协同建模，边生成文本边合成语音，降低首响延迟。能力迁移更完整：预训练/后训练跨模态对齐，让知识、逻辑与推理少受“口语化”稀释。训练体系更系统：CT/SFT/MOPD/RL 多阶段专项数据与双轨奖励，提升智商、表达与任务执行一致性。

Hy Realtime的同类竞品对比

对比维度 | Hy Realtime | GPT-Realtime-2.1

对比维度	Hy Realtime	GPT-Realtime-2.1
竞品关系	腾讯混元实时语音模型，直接竞品	OpenAI Realtime 系列新版本，直接竞品；具体能力以官方文档为准
产品定位	主打中文/中英混真实通话中的理解、表达、工具调用与唱歌	偏生产级实时语音 Agent，面向全球化语音代理、电话接入与多模态会话
口语表达	强调还原含糊、说半截、中途改口，韵律、情感和共情更自然	强调低延迟自然对话与打断取消；具体音色、情感和中文口语优化以实测为准
工具调用	根据上下文判断是否联网搜索，统一完成决策、调用工具和生成回答	Realtime 系列通用能力包含 function calling、工具/MCP 接入；2.1 细节以官方为准
特色能力	与腾讯音乐 TME 灵音合作，支持按歌手、曲风、语种、年份点歌并演唱	更偏通用实时语音 Agent 与生态集成；未见同等级公开“点歌演唱”卖点
接入方式	已上线元宝语音通话和腾讯客服，近期将上线腾讯云 API；App 内选“初语”	Realtime 系列支持 WebRTC/WebSocket/SIP 等接入；2.1 可用区域与价格以官方为准
更适合	中文真实通话、客服、陪伴、娱乐点歌等“听懂情绪 + 会唱”场景	全球化语音 Agent、电话客服/外呼、复杂工具链和 OpenAI 生态

Hy Realtime的应用场景

智能客服与售后：听懂用户含糊、改口和情绪，必要时联网查询后自然作答。
个人语音助手/陪伴：进行长对话、共情交流，承接上下文做日程、问答与生活服务。
车载与智能硬件交互：在噪声、打断、口语不完整环境下保持低延迟稳定对话。
教育与口语陪练：做多轮纠错、发音/表达反馈，并根据学习者情绪调整语气。
音乐娱乐互动：按曲风、语种、年份点歌并现场演唱，适合陪伴、直播互动与语音娱乐入口。