腾讯混元发布实时语音模型 HyRealtime:会唱歌还能调用工具

腾讯混元 · wechat · 2026-11-13

腾讯混元发布全新实时语音模型 HyRealtime,已在元宝语音通话、腾讯客服等产品上线,近期将登陆腾讯云提供 API。

模型主打几点:对含糊、半截话等不完整输入的意图还原更准,多轮指令遵循与上下文管理增强;新增 Agentic 工具调用,可自主判断是否联网搜索并统一决策、调用与作答;与腾讯音乐 TME 灵音团队联合打磨后支持对话内自然语言点歌演唱。

技术侧,团队通过预训练与后训练的跨模态对齐减少“语音化掉智商”:SFT 数据链路把文本能力向语音任务的迁移保留率从 21% 提到 69%;构建千万小时级 CT 预训练数据与 CT/SFT/OPD/RL 四阶段专项数据体系;引入多教师跨模态 OPD 和带底线门控的双轨奖励强化学习;语音生成采用边生成文本边合成的低延迟流式方案。下一步计划推进双工交互、长期个性化记忆与前后台 Agent 交互。

所属事件:腾讯混元发布实时语音模型 HyRealtime(2 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →