腾讯混元推出实时语音模型Hy Realtime,支持工具调用与唱歌能力
摘要
腾讯混元发布实时语音模型Hy Realtime,具备语音理解、指令遵循与拟人化表达等基础能力,新增Agentic工具调用和唱歌功能。该模型已在元宝语音通话、腾讯客服等产品上线,近期将通过腾讯云对外提供API服务。
腾讯混元于11月13日推出全新实时语音模型Hy Realtime,该模型在语音理解、指令遵循及拟人化表达等基础对话能力上表现突出,同时新增了Agentic工具调用与唱歌两项功能。目前,Hy Realtime已接入元宝语音通话和腾讯客服等产品,并计划近期上线腾讯云,面向外部开发者提供API服务。
在交互理解层面,Hy Realtime针对现实对话中的模糊表达做了优化。当用户口齿不清、话说半截或中途改口时,模型能够结合对话上下文还原真实意图,官方称理解准确率有显著提升。此外,模型的多轮指令遵循与上下文管理能力也得到增强,在较长连续对话中仍可稳定把握用户意图,维持对话流畅度。
工具调用是此次新增能力之一。Hy Realtime可根据对话上下文和用户意图判断是否需要执行联网搜索,将搜索决策、工具调用与回答生成统一处理。这一机制使模型在对话中具备更强的任务执行能力,而非仅限于语音问答。
腾讯方面表示,Hy Realtime仍在持续迭代,后续将重点推进双工交互、长期个性化记忆以及前后台Agent交互等方向的提升。当前版本可通过最新版元宝App体验,在语音通话功能中选择“初语”音色,也可访问网页Demo体验部分能力。
本文由新大陆基于公开信息编辑整理
信息来源:IT之家 IT之家原文 ↗