腾讯混元发布实时语音模型Hy Realtime：支持唱歌与工具调用，即将开放API

事件核心：发生了什么

腾讯混元正式推出实时语音模型Hy Realtime。官方将其定位为围绕实时交互构建的语音模型，核心能力覆盖语音理解、指令跟随和拟人化表达。与以往语音助手相比，这次有两个明确增量：一是支持Agentic工具调用，模型可自行调用外部工具，例如联网搜索；二是具备唱歌能力。目前公开信息显示，Hy Realtime已在元宝语音通话和腾讯客服两个场景中投入使用，随后将通过腾讯云以API形式向外部开发者开放。

为什么重要

语音交互此前长期卡在“能听懂但不会办事”的阶段，工具调用让语音模型从应答工具变成可以执行任务的入口，这是产品形态上比较实质的一步。对腾讯而言，更值得注意的是渠道变化：其自研语音能力过去主要服务内部场景，类似能力多由第三方提供；接入腾讯云API后，意味着混元开始把语音能力作为云服务对外售卖，与外部语音技术供应商形成直接竞争。实时语音本身对推理延迟和并发要求较高，能否稳定支撑云上调用，将是检验其工程能力的重点。

对用户/开发者/创作者的影响

普通用户能感知到的变化首先在元宝语音通话和客服场景，对话连贯性和任务完成度可能提升；唱歌能力则更适合娱乐互动类产品。开发者方面，API开放后可在智能客服、语音助手、车载与硬件交互等场景中接入，减少自建语音链路的工作量，但具体计费、延迟指标和并发上限目前尚未公布。创作者可以关注语音内容生成和互动直播类玩法，不过现阶段公开信息仅提到“会唱歌”，实际音质、风格控制和版权边界仍需等产品上线后验证。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是腾讯云API的定价、延迟和并发规格何时公布，这直接决定开发者是否愿意迁移；二是工具调用在真实客服场景中的准确率和失败处理机制，目前公开信息未披露评测数据；三是其他大模型厂商的实时语音API是否跟进降价或增加Agent能力，语音入口的竞争可能在下个季度升温。

来源：AIbase