11月13日，腾讯混元发布全新实时语音模型 Hy Realtime，在语音理解、指令遵循、拟人化表达等基础对话能力之外，新增的是 Agentic 工具调用与唱歌能力。它目前已经接入腾讯元宝语音通话以及腾讯客服，后续还会上线腾讯云，面向开发者和企业开放 API 接口。对普通用户来说，最直观的变化是一句话：语音通话里的 AI，从"你问我答"进入了"能当场问、当场查、当场办"的阶段。知乎微博
日常通话里，"办事"体现在四件事上
第一件，听懂没说完的话。说话想到哪说到哪、中途改口，过去很难用语音办成事；现在模型会结合对话上下文做意图还原。知乎
第二件，问当场就查当场。它不再是先听完再机械应答，而是把搜索决策、工具调用和回答生成放在同一轮对话里完成。问天气、查新闻、对信息，不用挂断电话切到搜索框，检索被嵌进了对话本身。知乎
第三件，点歌真的开唱。唱歌能力不是接个播放器，而是与腾讯音乐 TME 灵音 AI 团队协同设计的生成能力，可以按歌手、专辑、曲风、语种、发行年份和热度组合点歌，也能承接前文继续选歌。官方给的示例是"来首 2010 年到 2020 年之间的英文民谣"——它要先理解多轮上下文里的点歌意图，再匹配歌曲并唱出来。知乎
第四件，客服先被换上了这套能力。元宝语音通话管陪伴与学习场景，腾讯客服则是官方点名的另一条落地线——背书卡住帮你接下一句、模拟面试顺着聊过的给提示往下问、讲到一半忘了进度帮你"倒带"，是元宝官方演示里最生活化的一组用法。微博
这不是单点动作，整个行业都在把电话变成办事窗口
2026 年的实时语音更新密集得少见。字节的全双工语音模型 Seeduplex 在 4 月发布时就已全量进入豆包 App 的"打电话"。知乎
阿里的 Qwen Audio 3.0 在 7 月中旬上线阿里云百炼，同样内置双工控制并支持工具调用。知乎
海外厂商给出的另一条路线是把任务拆开：GPT-Live 负责持续对话，遇到需要较深推理或联网搜索的问题，交给后台的 GPT-5.5 处理，结果出来后再带回对话，对话不中断。OpenAI 还宣布 12 月 11 日起停用高级语音与标准语音两种旧模式，全面转向 GPT-Live，部分用户抱怨新版会打断说话、丢失上下文。知乎微博
对比之下，HyRealtime 的口径是把听懂、决策、办事和说出来收进同一个实时语音模型里完成，这也是它区别于上一代"只负责应答"语音模型的关键增量。
从"能办"到"办得稳"，还隔着成功率和时延
语音办事的真实水平，行业还没有统一尺子。目前公开的一组口径是发布方自己放出的 6 系统同设置横评：在考多步工具调用、素材是带口误和改口的真实人声的评测里，各系统工具调用成功率最高的两家并列 51%，最低的只有 33% 出头。知乎
在需要多轮确认的语音客服任务上，差距同样明显：一次办结比例最好的系统也只有 67.68%。知乎
时延是另一道坎。同一组评测里，调用工具那一轮的响应从最快的 1.61 秒到最慢的 5.11 秒不等——比安静问答明显多等一截。知乎
至于 HyRealtime 自身，官方披露的主要证据是内部专家 A/B 测试、内部盲评，以及"公开基准上综合客观表现领先"的说法，尚不能视为对外可核验的锁定排名。换句话说，工具调用让语音"能办事"成立，但"办得稳"目前还建立在厂商自己划定的评测口径上。知乎
现在能用上什么，什么还急不得
个人用户今天就能上手：更新最新版元宝，在语音通话里选择"初语"音色，或访问网页 Demo 体验部分功能。建议拿自己的真实句子跑三轮：半截话能不能接上、不该联网时会不会乱搜、点歌指令稳不稳。知乎知乎
开发者则要分清"产品里能玩"和"能接进自己的系统"：这次发布没有给出 API 的具体日期、价目或限流规则，双工交互、长期个性化记忆和前后台智能体联动都还是下一阶段的迭代方向，不是已交付的能力。知乎微博
语音交互正在从"会话窗口"变成"服务窗口"。这些新场景能不能真正长进日常，取决于三件接下来才看得到的事：元宝之外还有多少腾讯系入口接上它、云 API 开放后的价格与工具生态、以及官方承诺的双工和长期记忆什么时候变成可用的东西。
