Голос с характером. Как новая модель Hy Realtime от Tencent учится петь и понимать намеки
Разговор с ИИ теперь может напоминать беседу с живым человеком, который понимает обрывки фраз и даже умеет подпевать. Tencent представила модель Hy Realtime, которая совмещает глубокое понимание контекста с музыкальными навыми.
Модель Hy Realtime от Tencent Hunyuan способна восстанавливать смысл даже при нечеткой речи или если пользователь внезапно передумал и начал исправлять себя на полуслове. Благодаря работе с контекстом система точнее определяет намерения собеседника, даже если фраза звучит незаконченной. Это делает длинные диалоги более стабильными и естественными.
Помимо обычного общения, модель умеет использовать инструменты. Она сама решает, нужно ли искать информацию в сети для ответа. Благодаря совместной разработке с командой TME Lingyin AI, у модели появилась функция пения.
Пользователь может задать параметры вроде жанра или года выпуска, и ИИ подберет подходящую композицию. В процессе исполнения модель соблюдает ритм, следит за дыханием и передает эмоции, как настоящий вокалист.
Для бизнеса и повседневных задач модель уже интегрирована в сервисы вроде Tencent Yuanbao и службы поддержки. Внутренние тесты показали, что Hy Realtime превосходит предыдущие версии по качеству звука, естественности интонаций и способности к эмпатии. Вместо сухих ответов пользователь получает эмоционально окрашенную речь с живыми перепадами тона.
Технология уже внедрена в голосовые звонки и клиентский сервис Tencent. Это значит, что взаимодействие с ИИ переходит от простого обмена текстом к полноценному аудио-собеседнику, который может и ответить на вопрос, и исполнить песню.
Текст подготовила языковая модель по материалам источников.

