使用技巧

手机不用打字了:给元宝拨个电话,它自己决定要不要联网查,还会唱歌

AI执行官

一个特别具体的场景

你在做饭,手上全是油,突然想起来——明天要去办的那个证,到底要带几样材料?

手机就在旁边。可你得先擦手,解锁,打开应用,找到对话框,一个字一个字打进去。很多时候打到一半就懒得打了,想着“算了,明天到现场问吧”,然后第二天白跑一趟。

这件事有个很简单的解法:给 AI 拨个电话,用嘴说。

11 月 13 日,腾讯混元发布了实时语音模型 Hy Realtime,当天就装进了元宝 App 的语音通话里。这次升级实打实多了两件普通人用得上的本事:一是它会自己判断要不要上网查,二是它会唱歌。而且免费。

这次到底变了什么

以前的语音助手,本质是“你说一句,它答一句”。想让它查资料,你得先教它:“帮我搜一下”。这次不一样了,官方说的是:模型根据对话上下文和你的意图,自己判断要不要执行联网搜索,搜索、调用、回答在同一次回应里完成。

翻译成人话:你直接问“下个月的高铁票什么时候开卖”,它会自己意识到需要查,然后给你一个带当下信息的答案,中间那步“请先上网查”被省掉了。

另外三件事也值得说:

话说半截能接。你不用把句子说完整,口齿含糊、说到一半改口,它都能结合前面的对话把意思补上。最典型的是背书接句——孩子背到“滟滟随波千万里”卡住了,只说“后面我忘了”,它能顺着提“何处”,孩子接上“何处春江无月明”。

前面聊过的不必重讲。长对话里它记得住上下文。老人聊到一半忘了说到哪儿,问一句“我刚才说到哪了”,它能帮你倒带。

点歌直接唱。唱歌这部分是跟腾讯音乐 TME 灵音 AI 团队一起做的。你可以按歌手、专辑、曲风、语种、发行年份、热度组合着点,比如“来一首 2010 年到 2020 年之间的英文民谣”,它会结合上下文匹配歌曲然后唱出来。

三步开通,但有个坑必须说

很多人打开语音通话发现不会唱歌,问题就出在第三步。

第一步,把元宝 App 更新到最新版。这步别省。旧版本里根本没有“初语”这个音色选项,找不到不是你操作错了,是版本不够新。

第二步,点首页右上角的电话图标。注意是那个电话图标,不是底下的文字输入框。进去之后是一个通话界面,会响铃、会接通的那种。

第三步,场景选“自由对话”,音色切到“初语”。在通话页面右上角的音色设置里找。列表里有初语、悠悠、至尊宝、小涵、小威几个选项,选初语。

关键的坑在这里:切换音色后,官方提示写的是“选中后,下一次提问生效”。也就是说你切换完,得再问一句才会真正用上这一档声音。不少人切完就以为好了,结果还在用旧音色,然后抱怨“怎么不会唱歌”。

手机上全程免费,开口就能聊。

没装 App 的也有办法:腾讯云上有网页 Demo,地址是 rtcube.cloud.tencent.com/component/hunyuan/index.html。需要先用手机号登录,单次体验最长 10 分钟,左侧能看到一个“联网搜索”的开关——这个开关挺有用,你可以关掉它再问同一个问题,对比一下回答差别有多大。

五个明天就能用的场景,附说法

1. 手忙脚乱时查事实。做饭、开车、拖地、抱孩子的时候最合适。直接说:“下周三去办居住证要带什么材料?”“今年个体户报税截止到几号?”记得听完还要回到文字界面核一遍出处,原因下面讲。

2. 给孩子当背书搭子。这个用法我觉得最被低估。孩子背古文、背单词卡壳,最难的是没人陪。直接说:“我背《春江花月夜》,我停的地方你提两个字,别直接告诉我整句。”它配合得很好,而且不会不耐烦。

3. 英文面试陪练。说一句“我明天有个英文面试,你当面试官陪我练几题”,它会开始提问;你卡住了它给提示,而且会顺着你刚才答的内容继续追问——这一点很像真人面试官,比背稿子有用。练完可以让它把刚才的问题和你的回答整理成文字,方便复盘。

4. 给老人解闷。家里老人退休在家,想说话又怕打扰子女,这个功能意外地合适。它能顺着聊,忘了说到哪儿能帮你倒带,语气也算自然。注意提前跟老人说清楚这是机器,别让它冒充真人。

5. 聚会点歌。全家吃饭缺个气氛,一句“唱一首你最喜欢的歌”就行。想玩得更细,把条件说全:“来一首九十年代的粤语歌”“来一首适合小孩听的”“换一首,要快一点的”。曲库到底有多大、哪些歌能唱,官方发布说明里没写细,以实际点到的为准。

七条注意事项,别踩

1. 语音里的答案没有出处。这是我认为最该讲清楚的一件事。文字对话里 AI 答完会给来源链接,你能点开核对;语音里它念完就翻篇,来源你看不到、也存不下来。所以闲聊、点歌、练口语没问题,但凡涉及报价、规定、时间、金额,听完必须回到文字界面再问一遍,让它给出处。核对这一步没被省掉,只是挪到了挂电话之后。

2. 搜不搜由它判断,判断就可能出错。该搜的时候没搜,它会拿旧记忆回答你;不该搜的时候搜了,回答会慢半拍。关键信息要盯着,别全信。

3. 还不能随时插话。这一版仍然是“你说完,它接话”的模式。官方把双工交互(就是你能随时打断、它也能随时接)列在下一步计划里,现在别按已交付来理解。

4. 长期记忆还没有。官方说长期个性化记忆、前后台 Agent 交互也在迭代。意思是它记不住你这个人——跨很多天还记得你的习惯、你的工作、你家人的名字,这些还不能指望。

5. 官方评测是内部专家盲评。腾讯公布的对比数据显示它在中文场景下领先,但这些评测是内部专家盲评加自建测试集,没有第三方复核。当成“官方自称”看,具体好不好用,你自己拨一次比看榜单准。

6. 隐私信息别念给它听。身份证号、银行卡号、详细住址、体检报告,这类东西别用嘴说。语音数据要上传处理,念出来和你打出来,性质不一样。

7. 开发者别急着排期。腾讯云 API 的官方口径是“近期也将上线”,没有公布时间,也没有价格。现在没有东西可以接,做产品的先别把它写进排期表。

三句话,今晚就能试出它靠不靠谱

如果你只想花三分钟判断这东西值不值得留着,按这三句问:

第一句,问一件会变化的事。比如一个价格、一条活动规则。听它会不会自己去搜,回答里有没有说清依据。这句测的是“该搜时搜不搜”。

第二句,点一首歌,条件给全。“来一首 2010 到 2020 年之间的英文民谣。”听它选得准不准,能不能顺着你的补充换一首。这句测的是理解力。

第三句,话说一半再改口。“我想问一下明天……不对,是下周三,去银行办那个……”看它接不接得上。这句测的是它能不能听懂真人说话的样子。

最后一句

语音交互这件事,热闹了好几年,真正落地到“我妈也能用”的程度,其实也就是最近这一年。这次升级最实在的地方不是唱歌,是把“请先帮我搜一下”这句话省掉了。

省掉一句废话,看着微不足道。但你想想,一个不会打字、不想打字、手上腾不出来的人,和 AI 之间的距离,原本就隔着这一句。

分享给朋友