腾讯云连签语音AI重磅合作：Soniox与Inworld AI如何构筑实时交互护城河

说：与Inworld AI的战略合作（文字转语音）

• 官宣时间： 2026年6月16日。
• 整合技术： Inworld AI旗下面向实时交互的旗舰模型——Realtime TTS-2（研究预览版）。这款模型在AI语音评测平台Artificial Analysis的实时TTS竞技场中排名第一。它最显著的特色并非单纯“读字”，而是具备对话情境感知能力：它能接收整段对话音频，据此判断用户的语气语速和情绪状态，并允许开发者用自然语言直接进行声音控制，如给出指令“请更欢快一些”。同时，该模型能在200多种语言中保持同一声音特征。
• 如何与TRTC协同： Inworld的TTS通过TRTC的基础设施，被打包成一站式的、逼真的实时语音AI方案。这次整合利用了TRTC已有的StartAIConversation接口，该接口本身就支持对接第三方语音合成服务。
• 商业价值： 开发者就此在TRTC上获得了一条闭环的语音AI链路（语音转录STT + 大语言模型LLM + 语音合成TTS）。最终输出的合成语音能与对话情感上下文相匹配，在多语种切换时也能保持一致的“人设”声音。

更大的棋局：TRTC的语音AI基础设施战略

将这两个合作放在一起来看，思路便清晰起来——腾讯云是在为实时通信（TRTC）补齐听觉与表达这两大感官缺口。

通过选择与Soniox解决“多语种识别”，与Inworld AI解决“人性化表达”，腾讯云无需一切从零自研，就能以更快的速度向企业客户交付一个全球化、分布式的语音AI平台，满足全球市场的个性化需求。

此外，在更广泛的实时AI布局上：

• 2026年5月，腾讯RTC已与Stream（Vision Agents框架）达成合作，面向多模态AI智能体。
• 同是6月16日，腾讯云在韩国“腾讯云日”发布了集成式的AI Agent产品矩阵。

这些动作都表明，让TRTC成为企业进军新兴市场、开拓多语种场景时首选的实时AI通信骨干网，是腾讯云当下一条明确的主线。