11월 13일, 텐센트 혼위안은 새로운 실시간 음성 모델 Hy Realtime을 발표했다. "말하고, 노래하고, 도구까지 호출한다"는 것이 내세우는 특징이다. 이미 위안바오(Yuanbao) 음성 통화와 텐센트 고객 서비스에 적용됐으며, 조만간 텐센트 클라우드에 올라 API로 외부에 제공될 예정이다. 불과 9일 전인 11월 4일, 혼위안은 시각과 컴퓨터 조작 기능을 처음 담은 텐센트 혼위안 Hy4를 발표한 바 있다. 열흘도 지나지 않아 실시간 음성 모델이 뒤를 이었다.
말끝이 흐려져도 알아듣고, 노래로 답한다
Hy Realtime은 발음이 흐릿하거나 말이 중간에 끊기거나 도중에 말을 바꾸는 등 불완전한 입력을 처리하고, 대화 맥락을 바탕으로 사용자의 의도를 복원한다. 인식 범위는 음성을 텍스트로 바꾸는 것을 넘어 감정, 억양, 주변 소리 같은 준언어적 특징까지 확장된다. 표현 면에서는 음질, 발음, 운율, 감정 모두 전 세대 Hy2-O보다 좋아졌고, 대화 속 감정의 변화와 고조가 한층 자연스러워졌다.
주목할 새 기능은 두 가지다. 첫째는 에이전트형 도구 호출이다. 모델이 대화 맥락과 사용자 의도를 보고 웹 검색이 필요한지 스스로 판단해 검색 결정, 도구 호출, 답변 생성을 하나로 묶는다. 둘째는 노래 기능으로, 텐센트 뮤직 TME 링인 AI 팀과 함께 만들었다. 가수, 앨범, 장르, 언어, 발매 연도, 인기도를 조합해 곡을 요청할 수 있고, 앞선 대화의 흐름을 이어받아 고를 수도 있다. 예를 들어 "2010년부터 2020년 사이의 영어 포크송 한 곡"이라고 하면 모델이 의도를 파악해 곡을 찾아 부른다.
벤치마크 성적은 나눠서 봐야 한다
혼위안 내부 전문가 블라인드 평가에서 Hy Realtime의 종합 점수는 2.52로, 더우바오(Doubao) 앱의 2.56에 살짝 못 미쳤다. 사용 가능률은 40.63으로 더우바오 앱과 함께 공동 1위였다. 네 가지 공개 벤치마크에서는 Wild Speech Bench에서 75.35로 1위를 차지했을 뿐, 나머지 세 항목에서는 경쟁 모델이 근소하게 앞섰다. 자체 개발한 Hy-Eval-Audio3.0에서는 39.33으로 Gemini-3.8-Flash의 61.01에 못 미쳤다. 가장 확실한 진전은 전 세대와의 비교다. 종합 점수는 2.01에서 2.52로, 사용 가능률은 25.78에서 40.63으로 올랐다.
일반 사용자도 지금 바로 써볼 수 있다. 최신 위안바오 앱에서 음성 통화를 열고 "추위(Chuyu)" 음색을 선택하면 무료로 체험할 수 있고, 노래를 불러달라고 할 수도 있다. 기술적으로는 양질의 텍스트 데이터를 음성 과제로 옮길 때의 보존율을 21%에서 69%로 끌어올린 것이 "사람처럼 말하면서도 지능을 잃지 않는" 비결이다. 다음 단계의 중점은 전이중 대화, 장기 개인화 기억, 전경·배경 에이전트 간 연동이다. 파라미터 수, 가격, API 출시일은 아직 공개되지 않았다.
