11月13日，腾讯混元发布全新实时语音模型Hy Realtime，主打“能说会唱、还能调用工具”。它已在元宝语音通话和腾讯客服上线，近期将登陆腾讯云、对外提供API服务。11月4日，混元刚发布了腾讯混元 Hy4，首加视觉与电脑操作；不到十天，实时语音模型又来了。
能听懂半截话，也能开口唱歌
Hy Realtime能处理口齿含糊、话说半截、中途改口这类不完整输入，结合对话上下文还原用户意图；感知维度从语音转文字，延伸到情感、语调、环境音等副语言特征。表达上，音质、发音、韵律、情感全面优于上一代Hy2-O，对话里的情绪变化和递进更自然。
两个新能力最值得注意。一是Agentic工具调用：模型根据对话上下文和用户意图，自行判断要不要联网搜索，把搜索决策、工具调用和回答生成统一起来。二是唱歌：与腾讯音乐TME灵音AI团队联合打造，用户可以按歌手、专辑、曲风、语种、发行年份和热度组合点歌，也能接着前文继续选歌，比如说一句“来首2010年到2020年之间的英文民谣”，模型就理解意图、匹配歌曲并开唱。
评测成绩要分开看
腾讯混元内部专家盲评里，Hy Realtime综合分2.52，略低于豆包App的2.56；可用率40.63，与豆包App并列最高。四项公开基准中，它只在Wild Speech Bench以75.35排第一，其余三项都有竞品略高；自建的Hy-Eval-Audio3.0上它得39.33，低于Gemini-3.8-Flash的61.01。进步最实在的部分是相对上一代：综合分从2.01升到2.52，可用率从25.78升到40.63。
普通用户现在就能试：打开最新版元宝App的语音通话，选“初语”音色即可免费体验，还能让它开口唱歌。技术上，混元把高质量文本数据向语音任务迁移的保留率从21%提升到了69%，这是它“说人话而不掉智商”的关键。下一步，团队将重点提升双工交互、长期个性化记忆和前后台Agent交互。参数量、价格和API上线日期尚未公布。
