腾讯混元发布实时语音模型 Hy Realtime：自主判断联网搜索、联合 TME 支持点歌演唱，已上线元宝语音通话，腾讯云 API 近期开放

这件事意味着什么

【要点】

• · 发布：腾讯混元 11 月 13 日 16:32 在官方公众号发布《实时语音模型 Hy Realtime 发布：能说会唱、还能调用工具》。
• 这是一款新的实时语音对话模型。

• · 听懂：用户口齿含糊、话说半截或中途改口时，模型会结合上下文还原意图。
• 多轮指令遵循和上下文管理也有加强，长对话里更稳定。

• · 调工具：新增 Agentic 工具调用。
• 模型自己判断要不要联网搜索，把“搜不搜、调工具、生成回答”放在同一个模型里完成。

· 说得好：官方称音质、发音、韵律、情感都优于上一代，情绪变化更自然。

• · 会唱歌：与腾讯音乐 TME 灵音 AI 团队联合设计。
• 可按歌手、专辑、曲风、语种、发行年份和热度组合点歌，比如“来首 2010 到 2020 年之间的英文民谣”，模型匹配歌曲后直接演唱。

• · 上线：已用于元宝语音通话（新版元宝选“初语”音色）和腾讯客服，另有网页 Demo 可体验部分能力。
• 腾讯云 API“近期上线”，价格未公布。

· 评测：只有内部专家 A/B 盲评、内部自建测试集，以及“多个公开 Benchmark 综合领先”的说法，没有给出具体分数。

【我们的判断】

• 背景：这是混元继 Hy4 正式版（e/1085）、Hy Memory 2.0（e/947）之后，在语音交互上的补课。
• 官方说下一步重点是双工交互、长期个性化记忆和前后台 Agent 协同。
• 也就是说，当前版本还没有主打全双工。

对照：

• · 工具调用已是标配：Gemini 3.8 Live 支持函数调用和 Google 搜索
• Qwen3.8-Omni-Flash-Realtime 支持函数调用、MCP 和自主联网搜索
• 豆包实时语音模型 3.0（Seeduplex）端到端支持函数调用、MCP 和联网搜索。
• 这三家都已开放 API。

• · 唱歌不算独有：豆包端到端实时语音 O2.0 已提供唱歌开关，背后是合规授权曲库。
• 混元的区别在于背靠 TME 的曲库和点歌检索。

• · 海外对照：OpenAI 10 月给 ChatGPT 语音换上 GPT-Live-1.1（e/893）
• SpaceXAI 的 Grok Voice 3.0 API 每分钟 0.08 美元（e/867）
• ElevenLabs Eleven Realtime 兼容 OpenAI Realtime API（e/1006）。
• 它们的发布材料都没把唱歌当卖点，主攻任务完成率、延迟和价格。

• 影响：对普通用户，元宝里马上就能用，会唱歌的语音助手对陪伴和车载场景有吸引力。
• 对开发者，API 还没上线，没有价格、延迟和公开分数，暂时没法和豆包、Qwen、Gemini 做横向选型。
• 真正的考验是腾讯云 API 开放后的定价和第三方实测。

【可核验】

• · 官方网页 Demo
• · 腾讯混元公众号原文：《实时语音模型 Hy Realtime 发布：能说会唱、还能调用工具》（2026-11-13，可在微信内搜索标题）
• · IT之家（转载官方介绍）
• · 第一财经
• · 每日经济新闻