导语:昨天一天,AI 长了嘴,也长了嗓子
11 月 13 日这一天,国内国外各出了一件挺有意思的事,方向刚好相反又刚好互补。
腾讯混元发布了新的实时语音模型 Hy Realtime:能听懂你话说半截、口齿含糊,能自己判断要不要联网查一下再回答,还第一次学会了唱歌——按歌手、曲风、年代点歌那种唱。已经上线在元宝的语音通话里,更新 App 就能试。
同一天,阿里把 快乐虾米(HappyShrimp)做成了手机 App:你描述一段情绪、一个故事,或者干脆把和家人的聊天记录粘进去,它给你写出一整首歌——词、曲、编曲、演唱一条龙,大约 1 分钟。
一个把“说”这件事做到了接近真人,一个把“唱”这件事降到了零门槛。今天先把语音这条讲透,再带四条快讯。
一、Hy Realtime 到底新在哪
先说明:以下能力与评测说法均来自腾讯混元官方及 IT 之家、第一财经的报道,属于官方口径,本站未做独立实测。
- 能接住“不完整的话”。这是最容易被忽略、但日常最有感的一条。官方称模型能结合上下文,还原口齿含糊、话说半截、中途改口这几种输入的真实意图。翻译一下:你说话时“那个……就是那个红色的……算了,要蓝的”,以前的语音助手容易懵,现在能听懂你改主意了。
- 长对话不掉线。多轮下来还能记住你要什么,不会聊到第五句就忘了第一句的设定。
- 会自己决定要不要查资料。新增了 Agentic 工具调用能力,把“要不要联网搜索、调哪个工具、怎么组织回答”统一交给模型自己判断。以前是你得先想清楚“这个问题它知不知道”,现在它会自己判断。
- 会唱歌。这项能力是和腾讯音乐 TME 灵音 AI 团队联合设计的,支持把歌手、专辑、曲风、语种、发行年份、热度组合起来点歌。你在语音通话里说“来个 90 年代粤语慢歌”,它就能唱一段。
二、普通人现在怎么用上
不用申请、不用付费、不用调接口,路径很短:
- 把手机上的元宝 App 更新到最新版;
- 进入语音通话功能;
- 在音色里选“初语”,就是搭载 Hy Realtime 的这个版本;
- 直接说话就行——想点歌就点歌,想问事就问事。
另外,这套语音能力也已经用在腾讯客服等产品里了,近期还会通过腾讯云对外提供 API。也就是说,接下来几个月你打客服电话,接你话的可能就是它。
三、为什么“听懂半句话”比“唱歌”更重要
唱歌这件事传播性强,但对普通人的实际价值,其实不如前面那三条能力。
因为语音交互一直卡在一个很朴素的地方:人说话本来就不完整。我们会省略主语、会说到一半改口、会因为想事情而停顿。过去的语音助手是按“完整句子”设计的,人一不完整,它就当没听懂。这不是人笨,是机器不近人情。
Hy Realtime 这类模型的意义,是把门槛从“人学着像机器那样说话”改成“机器学着像人那样听话”。这一条如果真做好了,受益最大的不是极客,是打字慢的人——上了年纪的父母、手上正忙着的司机和厨师、眼睛不方便的人。他们才是语音交互真正的刚需用户。
顺便说一句实在的:语音助手能不能用,最终不看跑分,看它敢不敢在嘈杂环境里用。菜市场、地铁、开着抽油烟机的厨房,才是考场。这一点官方没提,等大家用一阵子自然见分晓。
四、四条快讯
1. OpenAI 给智能体发了张“银行卡”:ChatGPT Wallet 上线
北京时间 11 月 13 日深夜,OpenAI 官宣推出 ChatGPT Wallet,与美国运通、万事达、Visa 合作。绑卡之后,它的智能体 dots 可以帮你挑商品、下单,但每一笔结账你都得核对商品和金额,再用面容 ID 或指纹确认。卡号不会给智能体、也不会给商家,走的是“支付令牌”。
同时上线的还有一份面向零售商的商户适配指南;后续会支持设置消费限额、只允许在特定品类或时段购买。上线初期 OpenAI 不从交易里抽成。
冷水先说:首批只面向美国地区、18 岁以上、持美国发行银行卡的 ChatGPT Pro 订阅用户。国内用户短期内用不上,别被“AI 帮你买东西”的标题骗去注册。真正的瓶颈也不在技术——亚马逊等大型零售商目前明确禁止 AI 智能体访问自家站点,OpenAI 专门出商户指南,就是为了拆这道墙。
2. 阿里把“写歌”做成了手机 App:快乐虾米上线
11 月 13 日,阿里的 AI 音乐创作平台快乐虾米正式上线 iOS 和安卓 App(App Store 版本号 0.2.14)。它其实 8 月 17 日就以网页 Beta 形式出现过,这次是搬到手机上。
核心玩法有三个:描述情绪或故事生成整首歌、把聊天记录直接变成歌、在信息流里看到喜欢的作品点“做同款”(比如看到“INFJ 之歌”,输入自己的 MBTI 就能生成自己的版本)。
这个名字容易让人误会——它和 2021 年 2 月关停的虾米音乐没有直接运营关联,只是借了这个名字的情感记忆。它现在干的活不是“给你放歌”,是“给你写歌”。
具体怎么用、要花多少钱、有哪几个坑,我们今天同步发了一篇《把和妈妈的聊天记录变成一首歌》,五步上手全写清楚了,感兴趣可以直接看那篇。
3. 谷歌 Gemini 4 Hydrogen:速度是上一代 2.5 倍,免费用户也能用上
11 月 12 日,谷歌发布 Gemini 4 Hydrogen,主打日常编程和智能体执行任务的效率。官方口径:默认 High 档位下任务完成速度是上一代 Gemini 3.8 Flash 的 2.5 倍,编程基准 Terminal-Bench 4.1 从 18.2% 升到 57%,虚构内容减少 5 倍以上。
对普通人有价值的是这两条:一是免费用户也能用——Gemini 应用里会自动帮你选模型,不需要你去挑;二是同步推出的 Orchestrator 多模型调度,能在 Hydrogen 和 4 Carbon 之间自动切换,官方称省 24% 配额、提速 19%。API 定价每百万 token 输入 1.5 美元、输出 7.5 美元,100 万 token 上下文。
提醒:跑分和倍数都是谷歌自己的口径,Terminal-Bench 那类编程基准离日常生活也远。你要判断的就一件事:打开 Gemini 随便问几个问题,感觉快不快、答得准不准。
4. 一次入侵,让 Notion 约 1% 用户的 AI 聊天记录外泄
这条比前面三条都值得你看完。据 11 月 13 日报道,推理服务商 Fireworks AI 遭入侵:攻击者经由第三方云服务商进入其研发系统,窃取了部分客户账单信息和数据集。受影响的一方里包括 Notion——它确认约 1% 工作区的 Insights 功能聊天记录受影响,已断开连接、删除数据、撤销暴露的 API 密钥,并建议曾在 AI 对话里粘贴过密码或密钥的用户尽快改掉。这是 Fireworks 两个月内的第二起安全事件。
把这件事翻译成一句能落地的话:你跟 AI 说的每句话,都存在别人的服务器上。公司资料、客户名单、账号密码、身份证照片,粘进去之前先停三秒。该用 AI 用 AI,但“能不上传的就不上传”这条底线得自己守。
另外补一句行业动向:OpenAI 已解散独立机器人团队,研究人员并入核心研究团队,理由是包括 GPT-6 Astra 在内的通用模型已能直接承担部分机器人控制任务。这属于路线之争,跟普通人的日常关系不大,知道有这么回事就行。
写在最后
昨天这两条新闻放一起看,结论挺清楚:AI 正在从“你打字问它”变成“你张嘴就行”。输入方式一变,能用它的人就变多了一批——不会打字、懒得打字、手上腾不出来的人,都进来了。
如果你只打算试一件事,试元宝的语音通话,别管唱歌,就先跟它说几句不完整的话,看它能不能接住。这比看十篇跑分有用。
信息来源:腾讯混元官方发布、IT 之家、第一财经(2026-11-13);OpenAI 官方博客、TechCrunch、CNBC(2026-11-13);阿里巴巴官方、澎湃新闻、扬子晚报、百度百科词条(2026-11-13);IT 之家《谷歌发布 Gemini 4 Hydrogen》及 Omdia《AI 软件市场预测》(2026-11-13);腾讯新闻、Solidot 关于 Fireworks AI 与 Notion 数据泄露的报道(2026-11-13);《财富》杂志关于 OpenAI 机器人团队调整的报道(2026-11-13)。文中语音与模型能力描述、跑分、价格、会员额度均为厂商官方口径或媒体转述,未经本站独立实测,实际以各产品页面为准。