|
11月13日,腾讯混元发布全新实时语音模型Hy Realtime。与传统语音助手主要围绕听懂问题、生成回答展开不同,新模型进一步加入Agent工具调用能力和AI演唱能力,让语音交互从简单的问答对话,向能够理解意图、调用外部工具并完成任务的方向延伸。 ![]() 在实际交流中,人们的表达往往并不完整。可能说到一半改变主意,也可能省略上下文中的部分信息。Hy Realtime针对这类情况进行了优化,能够结合多轮对话理解用户真实意图,并在较长的连续交流中保持上下文连贯性。 更值得关注的是它的工具调用能力。 当用户提出需要实时信息的问题时,模型可以根据对话内容判断是否需要联网搜索,再将搜索决策、工具调用与回答生成衔接起来。这意味着用户不必先退出语音对话、打开搜索引擎,再把结果交给AI解释,模型开始具备在语音交互过程中主动调用外部能力的条件。 这种变化对于AI助手的产品形态具有实际意义。过去,语音模型更多承担人机交互入口的角色,复杂任务仍然需要依赖其他系统完成。加入Agent能力之后,语音模型有机会成为连接用户意图与外部服务的执行入口。 除了理解和执行,Hy Realtime还在表达能力上进行了扩展。腾讯混元与腾讯音乐TME灵音AI团队合作,为模型加入唱歌能力。用户可以通过自然语言按照歌手、曲风、语种、发行年份等条件点歌,也可以在多轮交流中继续调整选择,让语音助手从回答问题进一步延伸到娱乐互动。 目前,Hy Realtime已经应用于腾讯元宝语音通话和腾讯客服等产品,腾讯方面表示,近期还将通过腾讯云开放API服务。 从行业角度看,实时语音模型正在经历一次角色变化:它不再只是把语音转换成文字、再把文字转换成声音的交互工具,而是逐渐融合推理、搜索、工具调用和个性化服务能力。 不过,真正决定这类产品竞争力的,不只是能否调用工具,还包括响应延迟、连续对话稳定性、任务执行成功率以及复杂场景下的可靠性。随着Agent能力进入实时语音系统,语音助手之间的竞争也将从声音是否自然,进一步转向能否真正帮助用户完成事情。 |
© 2017-2026 思聪网 · TechGG.com 保留所有权利 基于 Discuz X8.8 设计 京ICP备14029665号-4
最新评论0