腾讯混元发布实时语音模型 Hy Realtime：支持工具调用与唱歌，已落地元宝语音通话
2026 年 11 月 13 日，腾讯混元发布全新实时语音模型 Hy Realtime。新模型在语音理解、指令遵循、拟人化表达等基础对话能力上进一步提升，同时新增 Agentic 工具调用和唱歌两项能力，已经在腾讯元宝语音通话、腾讯客服等产品上线，近期还将登陆腾讯云，面向开发者和企业客户开放 API 服务。这一步把 AI 语音助手从传统的 "你问我答"，往能听懂意图、会调用工具、可自然互动的智能体方向推进：模型既能做自然语音对话，也能结合上下文判断是否需要联网搜索、调用工具完成具体任务，还具备直接唱歌的表达能力。对普通用户来说，更新最新版元宝 App 就能在语音通话里体验；对开发者而言，后续可以通过腾讯云 API 把这套实时语音能力接入自己的产品；模型目前仍在持续迭代，双工交互、长期个性化记忆和前后台 Agent 交互是下一阶段的重点方向。
混元持续投入实时语音模型，背后是大模型交互方式的迁移：文本对话框之外，语音正在成为更直接的入口，而客服、语音助手、车载和智能硬件等场景，都要求模型把语音识别、意图理解、工具决策和语音回应串成一个实时闭环。单纯的语音播报或问答已经不够用，用户希望开口就能被听懂、被执行，这也是工具调用能力被放进语音模型里的原因。下面按板块把发布信息、能力拆解、落地入口和迭代计划拆开说明。
一、发布信息速览
| 项目 | 内容 |
|---|---|
| 发布方 | 腾讯混元 |
| 模型名称 | Hy Realtime |
| 模型类型 | 实时语音模型 |
| 发布时间 | 2026 年 11 月 13 日 |
| 基础能力提升 | 语音理解、指令遵循、拟人化表达 |
| 新增能力 | Agentic 工具调用、唱歌 |
| 已落地产品 | 腾讯元宝语音通话、腾讯客服 |
| 开放计划 | 近期上线腾讯云，对外提供 API 服务 |
| 普通用户体验入口 | 最新版腾讯元宝 App 语音通话，可选 "初语" 音色；另有网页 Demo |
二、核心能力拆解
| 能力项 | 具体说明 |
|---|---|
| 语音理解 | 听懂用户的语音指令和口语化表达，承接多轮对话上下文 |
| 指令遵循 | 按用户要求完成对应对话或任务，减少答非所问 |
| 拟人化表达 | 语音回复更接近自然说话方式，提升对话的亲和感和流畅度 |
| Agentic 工具调用 | 根据对话上下文和用户意图，判断是否需要联网搜索，统一完成搜索决策、工具调用和回答生成 |
| 唱歌能力 | 在对话场景中直接演唱歌曲，拓展语音模型的娱乐和表达边界 |
| 实时交互 | 围绕实时语音对话设计，支持边说边交流的语音通话场景 |
三、工具调用的工作流程
- 接收语音输入：模型理解用户说的内容，结合多轮对话上下文判断意图。
- 决策是否调用工具：判断问题是否需要实时信息，决定是否执行联网搜索等工具动作。
- 统一调度工具：把搜索决策、工具调用和回答生成串成一条链路，而不是只做文本问答。
- 语音反馈结果：将工具获取到的信息组织成自然语言，通过语音方式回复用户。
四、落地产品与体验入口
| 渠道 | 状态 | 说明 |
|---|---|---|
| 腾讯元宝语音通话 | 已上线 | 普通用户更新最新版元宝 App，在语音通话功能中选择 "初语" 音色即可体验部分能力 |
| 腾讯客服 | 已上线 | 承接客服场景的多轮语音对话，是模型 Agentic 能力的落地验证场景之一 |
| 网页 Demo | 已提供 | 供用户体验模型部分能力，具体入口以官方页面为准 |
| 腾讯云 API | 近期上线 | 面向开发者和企业客户开放模型调用，接入方式、额度与定价以腾讯云公告为准 |
五、下一阶段迭代方向
| 迭代方向 | 目标说明 |
|---|---|
| 双工交互 | 让 AI 更自然地处理用户与模型之间的实时双向交流，对话打断、插话和轮流发言更顺畅 |
| 长期个性化记忆 | 让模型记住用户的习惯、偏好和历史上下文，形成更长期的个性化陪伴 |
| 前后台 Agent 交互 | 进一步拓展 AI 自主执行任务的能力，支持前台对话与后台任务协同 |
六、产品定位与行业意义
- 定位升级：从语音问答工具升级为可调用工具、能完成任务的语音智能体。
- 场景延伸：覆盖助手对话、客服接待、内容娱乐（唱歌）等多种语音场景。
- 技术链路：把语音理解、意图决策、工具调用和语音生成整合到实时交互链路中。
- 开放路径：先在自有产品验证体验，再通过腾讯云 API 向开发者和企业输出能力。
【常见问题】
问题 1：腾讯混元发布的 Hy Realtime 是什么模型？
回答 1：Hy Realtime 是腾讯混元在 2026 年 11 月 13 日发布的全新实时语音模型，围绕实时语音交互设计，在语音理解、指令遵循和拟人化表达等基础对话能力上做了提升，并新增 Agentic 工具调用与唱歌能力。
问题 2：Hy Realtime 相比以往语音对话模型新增了哪两项能力？
回答 1：新增的两项能力分别是 Agentic 工具调用和唱歌。工具调用让模型能根据上下文和意图判断是否联网搜索、调用工具并生成回答；唱歌能力让语音模型在对话之外直接完成演唱表达。
问题 3：Hy Realtime 的工具调用具体能做什么？
回答 1：Hy Realtime 可以结合对话上下文和用户意图，准确判断是否需要执行联网搜索，并把搜索决策、工具调用和回答生成统一处理，相当于在语音对话里完成 "理解需求 — 调用工具 — 语音回复" 的闭环。
问题 4：现在在哪里可以体验 Hy Realtime？
回答 1：Hy Realtime 已在腾讯元宝语音通话和腾讯客服上线，普通用户更新最新版腾讯元宝 App，在语音通话功能中选择 "初语" 音色即可体验，官方还提供了网页 Demo 供试用部分能力；近期模型将登陆腾讯云开放 API。
问题 5：Hy Realtime 下一阶段重点提升哪些能力？
回答 1：下一阶段重点提升双工交互、长期个性化记忆和前后台 Agent 交互：双工交互优化实时双向交流，长期记忆保留用户习惯偏好，前后台 Agent 交互拓展 AI 自主执行任务的范围。
问题 6：Hy Realtime 在腾讯客服场景里承担什么角色？
回答 1：Hy Realtime 已在腾讯客服产品上线，承接客服场景下的多轮语音对话，把语音理解、指令遵循和工具调用能力用于接待咨询；客服场景也是验证实时语音模型在真实业务中稳定性和实用性的落地入口。
问题 7：开发者什么时候能通过 API 调用 Hy Realtime？
回答 1：官方表示 Hy Realtime 近期将上线腾讯云，面向开发者和企业客户提供 API 服务；具体接入文档、模型参数、调用额度和定价以腾讯云官方后续公告为准。
问题 8：Hy Realtime 和混元此前的语音模型是什么关系？
回答 8：Hy Realtime 是混元在实时语音方向上的新迭代版本，承接此前在语音识别、端到端语音通话和客服落地中的积累，重点向智能体化、工具调用和更拟人化的语音交互升级；不同模型的能力边界以官方各自发布的说明为准。
【参考资料】
- [2026-11-13]（腾讯混元：发布全新实时语音模型 Hy Realtime）36 氪
- [2026-11-13]（腾讯混元发布实时语音模型 Hy Realtime：能说会唱、还能调用工具）ZAKER・IT 之家
- [2026-11-13]（腾讯混元发布 Hy Realtime 语音模型！AI 不仅能聊天 还能唱歌和执行任务）太平洋科技・快科技
- [2026-11-13]（腾讯混元发布实时语音模型 Hy Realtime）今日头条・财经网
- [2026-11-13]（腾讯混元发布实时语音模型 Hy Realtime）华尔街见闻
- [2026-11-13]（腾讯混元发布实时语音模型 Hy Realtime）虎嗅网
- [2026-11-13]（腾讯混元发布实时语音模型 Hy Realtime：能说会唱、还能调用工具，已在元宝语音通话、腾讯客服等上线）IT 之家
【免责声明】
本文内容基于腾讯混元官方发文及公开媒体报道整理，仅供产品信息了解参考，不构成技术选型、开发接入或采购承诺。文中模型能力、音色、上线范围、迭代计划和开放节奏均以腾讯混元及腾讯云官方最新公告为准；API 接入条件、调用额度、定价与服务条款以腾讯云产品页面为准；模型实际语音效果、工具调用成功率和个性化能力会随版本更新及使用场景变化。