腾讯混元推出实时语音模型Hy Realtime：能说会唱，还能听懂临时改口

腾讯混元发布全新实时语音模型 Hy Realtime，新增唱歌和语音对话中的联网搜索能力，已接入元宝语音通话和腾讯客服。 用户可以直接用语音让 AI 搜索最新信息，也能按歌手、曲风、语种和发行年份点歌。例如让它唱一首 2010 年至 2020 年间的英文民谣，模型就能结合上下文选择歌曲并演唱。唱歌功能由混元与腾讯音乐 TME 灵音 AI 团队联合开发。 新模型还重点解决了语音 AI 容易「开口降智」的问题。文本大模型原本掌握的知识和推理能力，转成语音对话模型后可能出现损失。腾讯重新设计了训练数据生产流程，称高质量文本数据向语音任务的有效迁移保留率从 21% 提高至 69%，达到此前的约 3.3 倍。 Hy Realtime 还强化了对真实口语的理解。用户说话含糊、只说半句，或者中途改口，模型可以结合上下文还原意图。生成回答时，它能一边组织文字、一边合成声音，减少等待时间。 目前用户可在最新版元宝 App 的语音通话中选择「初语」音色体验。腾讯云 API 计划近期开放，双工交互和长期个性化记忆仍属于后续升级方向。[原文链接](动察 Beating AI 快)