Tencent apresenta o hy realtime, um novo modelo de voz capaz de cantar e integração com ferramentas

A Hunyuan da Tencent lançou o Hy Realtime, um novo modelo de voz em tempo real sofisticado. Este modelo demonstra um desempenho superior na compreensão da voz e no seguimento de instruções, além de apresentar capacidades avançadas, como a invocação de ferramentas e a capacidade de cantar. A tecnologia já está implementada em produtos como as chamadas de voz Yuanbao e o atendimento ao cliente da Tencent, com planos para oferecer serviços de API através do Tencent Cloud em breve. O Hy Realtime melhora significativamente a fluidez da conversa, restaurando com precisão a intenção do usuário, mesmo a partir de entradas de fala incompletas ou corrigidas, melhorando a precisão nos diálogos multi-turn. Além da compreensão, as capacidades expressivas do modelo foram aprimoradas em qualidade de áudio, pronúncia, ritmo e emoção, levando a uma progressão emocional mais natural durante as conversas. Uma adição importante, desenvolvida em co-design com a equipe de IA Lingyin da Tencent Music TME, é a funcionalidade de canto. Os usuários podem solicitar músicas com base em parâmetros como artista, álbum, gênero, idioma, ano de lançamento e popularidade, e o modelo é capaz de lidar com solicitações multi-turn. Testes internos A/B indicam que o Hy Realtime apresenta vantagens significativas em dimensões-chave da experiência.