Tencent estrena Hy Realtime, una IA de voz que utiliza herramientas y puede cantar durante la conversación

Tencent ha presentado Hy Realtime, un modelo de interacción por voz que ya utiliza en las llamadas de Yuanbao y en servicios de atención al cliente. La compañía añade al diálogo la posibilidad de recurrir a herramientas externas y generar canto a partir de peticiones del usuario.

Se diferencia ese acceso mediante productos de la futura API para desarrolladores. Tencent prevé incorporarla a su nube, pero todavía no comunica su disponibilidad efectiva ni unas tarifas que permitan calcular el coste de integrarla.

Conversaciones con instrucciones incompletas y búsqueda

La descripción de Tencent señala que el modelo puede reconstruir la intención de frases incompletas, palabras poco claras y correcciones durante una conversación. También atribuye al sistema mejoras para seguir instrucciones y conservar el contexto entre turnos.

El uso de herramientas incluye decidir cuándo consultar información en Internet. Tencent presenta esa decisión, la búsqueda y la elaboración de la respuesta como partes del mismo proceso conversacional.

Estas son capacidades declaradas por sus desarrolladores. La información no permite cuantificar su fiabilidad en situaciones de ruido o con distintos acentos, ni establecer una latencia general para las respuestas.

El canto admite peticiones encadenadas

La función musical se ha desarrollado con el equipo Lingyin AI de Tencent Music Entertainment. Permite pedir canciones mediante criterios como artista, estilo, idioma o año, y continuar afinando la elección con el contexto previo.

Tencent también habla de mejoras en pronunciación, entonación y expresión emocional. Son valoraciones del fabricante, que no equivalen a una comparación independiente de calidad con otros servicios.

Cómo se puede acceder ahora

Para probar el modelo en Yuanbao, se indica que hay que utilizar la versión más reciente de la aplicación y seleccionar la voz Chuyu en las llamadas.

La demostración web oficial identifica Hy Realtime y limita cada experiencia a diez minutos. Su interfaz incluye búsqueda en Internet y reducción de ruido mediante IA. También advierte de que activar la búsqueda puede ralentizar la respuesta y presenta un acceso con teléfono y código de verificación.

La página de la demostración enlaza con TRTC AI Realtime Conversation 2.0, la infraestructura de Tencent Cloud para incorporar asistentes a llamadas. Su documentación describe un servidor de IA que entra en una sala, recibe la voz del usuario y devuelve las respuestas de audio a esa misma sesión.

La plataforma admite dos formas de organizar la conversación. Una encadena reconocimiento del habla, un modelo de lenguaje y síntesis de voz. La otra utiliza modelos que reciben y generan audio directamente. Tencent también permite sustituir los proveedores de los componentes de la primera modalidad.

Esta documentación corresponde al servicio de comunicaciones y admite distintos modelos. Por tanto, sus funciones generales no deben atribuirse automáticamente a Hy Realtime. Sí permite identificar la infraestructura que la demostración utiliza para transportar el audio y coordinar la interacción con el usuario.

Entre los controles documentados figuran interrumpir la respuesta del asistente, configurar un saludo y recibir subtítulos o avisos sobre el estado de la conversación. Para una aplicación de atención al cliente, estos controles permiten gestionar cuándo habla el sistema y cuándo debe ceder el turno. Su existencia en TRTC tampoco confirma que la API específica del nuevo modelo ya se pueda contratar.

El acceso a esa demostración no acredita que exista una API pública disponible. La marca sitúa entre los próximos trabajos las mejoras de interacción dúplex, memoria personalizada a largo plazo y coordinación entre agentes; no fija una fecha para esas funciones.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!