騰訊雲語音 AI 雙響炮：6 月頭簽 Soniox 做辨聲，月中再搵 Inworld AI 執把口，TRTC 平台變全能戰士

騰訊雲近期喺語音 AI 領域嘅動作好密，接連出兩張牌，目的都係要將旗下嘅騰訊實時通訊（TRTC）平台，變成全球企業用嚟砌即時語音 AI 應用嘅首選「地基」。

佢哋分別喺 2026 年 6 月 2 號同 6 月 16 號，宣布同 Soniox 同 Inworld AI 組成戰略聯盟 。簡單講，一間幫個 AI「裝對耳仔」（語音辨識，STT），另一間幫佢「執靚把口」（文字轉語音，TTS），再配合騰訊本身個覆蓋全球嘅低延遲網絡，砌出一個完整嘅實時對話 AI 方案。

---

第一炮：拍住 Soniox，幫 AI 裝對靈敏嘅耳仔

• 宣布日期： 2026 年 6 月 2 號 。
• 技術重點： Soniox 專門做高精準度、低延遲嘅語音轉文字（STT）引擎。佢嘅強項係對超過 60 種語言嘅辨識準確度，接近母語者水平，而且最煞食係識得處理一句說話入面夾雜幾種語言（例如講講下英文突然爆句廣東話）嘅情況 。
• 點樣同 TRTC 合作： Soniox 個 STT 引擎會直接接入騰訊 RTC 嘅全球傳輸網絡。呢個網絡有成超過 3,200 個節點，可以保證全球通話延遲低過 300 毫秒，仲內置 AI 降噪同弱網環境下嘅抗干擾能力 。
• 實際好處： 成個語音轉文字流程嘅延遲大幅降低，企業可以喺超過 200 個國家同地區，輕鬆部署多語言實時語音 AI 應用，例如智能客服、語音助理、即時翻譯同會議記錄 。
• 開發者點用： 可以直接喺騰訊雲控制台入面，用 Soniox 嘅 STT API 。

第二炮：聯手 Inworld AI，畀 AI 把口有返情緒同溫度

• 宣布日期： 2026 年 6 月 16 號 。
• 技術重點： 用咗 Inworld 排喺業界評測榜首嘅 Realtime TTS-2 模型（研究預覽版）。呢個模型同一般嘅文字轉語音唔同，佢具備對話意識——即係佢會聽晒成個對話嘅音頻，感知你嘅語氣同節奏，然後你可以用自然語言直接「吩咐」佢調整把聲（例如叫佢「開心啲講嘢」），而且支援超過 200 種語言 。
• 點樣同 TRTC 合作： Inworld 嘅 TTS 技術會深度整合到 TRTC 平台，開發者透過 TRTC 現有嘅 StartAIConversation API 就可以直接揀用，成個過程一氣呵成 。
• 實際好處： 開發者喺 TRTC 上砌嘅 AI 語音應用，唔單止對答流暢，把輸出嘅聲仲可以跟返個對話嘅情緒走，唔同語言之間嘅聲線都可以保持一致，聽落更加自然 。

背後盤算：將 TRTC 變成全球實時 AI 通訊嘅「水電煤」

呢兩單合作，正好填補咗實時對話 AI 最關鍵嘅兩個感官功能——聽（STT）同講（TTS）。騰訊雲嘅策略好清晰：與其自己花時間由頭砌呢啲專業模型，不如直接同最叻嘅公司合作，將佢哋嘅技術融入自己條全球低延遲網絡，然後包裝成一個即開即用嘅平台畀企業客。

除咗呢兩間公司，騰訊雲仲同 Stream（Vision Agents 框架）簽咗合作，發展多模態 AI 代理 ，又喺 2026 年 6 月 16 號嘅騰訊雲韓國站發布會上，推出整合式 AI 代理產品組合 ，證明佢哋嘅終極目標，係想將 TRTC 打造成企業拓展新興市場同多語言場景嘅預設實時 AI 通訊骨幹。

對香港企業嚟講，呢個趨勢有咩啟示？ 隨住騰訊雲將香港定位為雙向全球業務擴張嘅關鍵門戶 ，本地嘅跨國企業、金融機構同零售品牌，未來可以更直接咁用到呢啲建基於 TRTC 嘅語音 AI 方案，無論係要整一個識聽粵語同英文嘅智能客服，定係開發可以全球通行嘅AI 銷售助理，技術門檻都會大大降低。