Голосовой ИИ без границ: как Tencent Cloud строит глобальную инфраструктуру с помощью партнерств с Soniox и Inworld AI

Tencent Cloud последовательно выстраивает экосистему, где разработчики и бизнес получают готовый к использованию «замкнутый» контур разговорного искусственного интеллекта. Ключевой элемент здесь — платформа Tencent Real-Time Communication (TRTC, или Tencent RTC), глобальная инфраструктура реального времени, которая теперь обогащается не собственными языковыми моделями, а лучшими в своем классе решениями от профильных стартапов. В июне 2026 года компания объявила о двух стратегических альянсах: с Soniox (распознавание речи) и Inworld AI (синтез речи). Рассказываем, что именно получает бизнес и чем примечательны эти сделки.

Слух для ИИ: как Soniox учит платформу понимать речь на 60+ языках

Объявлено: 2 июня 2026 года .
Что внедрено: Высокоточный и быстрый движок распознавания речи (Speech-to-Text, STT) компании Soniox. Его главные особенности — точность на уровне носителя языка для более чем 60 языков и настоящая поддержка переключения языка на лету: например, фраза может начаться на английском, а закончиться на китайском, и система корректно обработает каждое слово .

Как работает с TRTC: Технология Soniox подключается к глобальной магистрали передачи данных Tencent RTC, которая насчитывает свыше 3200 узлов и обеспечивает задержку менее 300 миллисекунд по всему миру. Дополнительно работают фирменные алгоритмы шумоподавления на базе ИИ и устойчивость к нестабильному сигналу .

Итог для бизнеса: Полный цикл от захвата звука до готового текста значительно ускоряется. Это позволяет запускать многоязыковые голосовые сервисы — поддержку клиентов, голосовых ассистентов, синхронный перевод, транскрибацию совещаний — в более чем 200 странах .

Доступ: API распознавания Soniox можно активировать прямо в консоли Tencent Cloud .

Живой голос: что дает партнерство с Inworld AI

Объявлено: 16 июня 2026 года .
Что внедрено: Флагманская модель синтеза речи (Text-to-Speech, TTS) Realtime TTS-2 от исследовательской лаборатории Inworld AI, доступная в формате исследовательского превью [4, 40]. В рейтинге Artificial Analysis Speech Arena эта модель занимает первое место среди решений для реального времени. Отличительная черта — «осведомленность о разговоре»: модель анализирует полный аудиоконтекст, улавливает тон, темп и эмоциональное состояние, а управлять голосом можно простыми фразами вроде «будь бодрее» на любом из 200+ поддерживаемых языков [2, 14].

Как работает с TRTC: Inworld TTS встраивается как готовый компонент в экосистему Tencent RTC через уже существующий интерфейс StartAIConversation, который поддерживает интеграцию со сторонними TTS-системами .

Итог для бизнеса: Разработчик получает закрытый стек (распознавание → большая языковая модель → синтез речи), где ответ звучит эмоционально созвучно ситуации, а один и тот же персонаж сохраняет узнаваемый голос на любом языке [2, 4].

Глобальные амбиции TRTC: зачем это Tencent

Оба партнерства закрывают базовые сенсорные блоки разговорного ИИ на инфраструктуре TRTC. Вместо многолетней разработки собственных моделей Tencent Cloud предлагает бизнесу готовую, распределенную по миру платформу с предустановленным «слухом» и «голосом» от узкопрофильных лидеров.

Это часть более широкой стратегии. Ранее компания заключила соглашение со Stream (фреймворк Vision Agents) для создания мультимодальных ИИ-агентов , а 16 июня на конференции Tencent Cloud Day Korea представила портфель интегрированных ИИ-агентов . Все шаги направлены на то, чтобы сделать TRTC стандартной транспортной средой для реального времени в ИИ-приложениях, ориентированных на развивающиеся рынки и многоязычную аудиторию.