搶先OpenAI！Hume AI發佈第二代情感智能AI，支持自定義語音，在線可玩

智東西編譯 Vendii編輯 漠影

智東西9月19日消息，據VentureBeat今日報道，AI情感創企Hume AI於9月11日發佈了Empathic Voice Interface 2（EVI 2）。

EVI被宣稱爲全球首個具有情商的對話式AI。EVI能夠通過分析用戶的語音，如口音、語氣、語調、擬聲詞、節奏和停頓等，來理解用戶的情緒和心理狀態，並做出實時響應。

與EVI 1相比，新發布的EVI 2的響應延遲減少了40%，且成本降低了30%。此外，新一代EVI還進行了一系列功能增強與更新：語音質量的提高，情商與同理心的增強，支持自定義語音……

Hume AI由前谷歌DeepMind研究員Alan Cowen於2021年創立，他現在擔任該公司的首席執行官兼首席科學家。該公司於今年3月27日完成了5000萬美元的B輪融資。

官網地址：https://www.hume.ai/

一、功能增強：語音質量和情商的提升，還支持自定義語音

EVI 2集成了一個先進的語音生成模型和情感大型語言模型（eLLM），能夠處理和生成文本及音頻。這種多模態方法使得EVI 2生成的語音聽起來更自然，語調更恰當，表現力更高，輸出更連續。

此外，在同一模型中處理語音和語言，使得EVI 2可以更好地理解用戶輸入內容的情感傾向，從而做出相應調整，在內容和語氣方面生成更具有同理心的響應。

除了在語音質量和情商方面的提升，新一代EVI 2還支持用戶自定義語音。開發人員可以設置音調、鼻音和性別等參數，根據特定的應用需求定製EVI 2的語音，比如應用於客服機器人、虛擬AI助手。

EVI 2還支持用戶在交互過程中通過語音提示，動態修改EVI 2的說話風格。例如，“說得更快”、“語調聽起來很興奮”，甚至還可以“進行說唱“。

根據Hume AI的介紹，EVI 2還能夠與其他應用程序、大語言模型進行集成，在客服通話、網頁搜索等功能中使用。

Cowen在上週與VentureBeat的視頻通話中談道：“我們希望開發者能夠將這個模型集成到任何應用中，創建他們想要的品牌語音，並根據他們的用戶需求進行調整，使其品牌語音變得值得信賴且具有個性。”

此外，他透露道，EVI 2並不打算提供語音克隆的功能。

“我們當然可以用我們的模型克隆聲音，但我們沒有提供這一功能，因爲它的風險太高、益處也不清晰。”他解釋道，“人們真正想要的是能夠定製聲音。我們開發了新的語音，讓用戶可以創建不同的個性化語音。相比於克隆特定聲音，開發者似乎對創建新語音更感興趣。”

定製語音功能體驗地址：https://platform.hume.ai/evi/voices

二、性價比提高：響應延遲降低40%，定價降低30%，年底預計能支持更多語言

EVI 2與EVI 1相比，延遲降低了40%，現在平均響應時間在500到800毫秒之間。速度的改進使對話響應更快、更像人類。

EVI 2還有一大亮點是其成本效益的提高。Hume AI將EVI 2的定價降低了約30%，從第一代的每分鐘0.102美元降低到每分鐘0.072美元。企業用戶還可以享受批量折扣。

不過，根據VentureBeat的計算，OpenAI目前提供的文本轉語音服務（非新推出的ChatGPT高級語音模式）要比Hume AI的EVI 2便宜很多。OpenAI的文本轉語音服務每1000字符收費0.015美元（大約每分鐘語音0.015美元），而Hume AI的EVI 2爲每分鐘0.072美元。

EVI 2目前僅支持英語，Hume AI計劃在2024年底之前推出對西班牙語、法語和德語等多種語言的支持。

Cowen向VentureBeat透露道，得益於他們的訓練過程，EVI 2實際上自主學習了多種語言，不需要由工程師進行人爲的訓練。

“我們沒有專門訓練模型輸出某些特定的語言，但它從訓練數據中學會了說法語、西班牙語、德語、波蘭語等多種語言。”Cowen解釋道。

結語：先於競爭對手公開發布，有望搶佔市場

據傳，Hume AI潛在的競爭對手Anthropic正在重新打造其投資方亞馬遜的Alexa語音助手並準備推出。

另一方面，OpenAI在今年5月展示的由GPT-4o模型支持的ChatGPT高級語音模式，目前只對少數用戶開放，在候補名單中的用戶仍需等待。

儘管Hume AI並沒有像OpenAI或Anthropic那樣廣爲人知，但Hume AI已經搶先於它們公開推出了一個人性化語音助手，並且客戶現在就可以立即將其投入使用。這可能爲Hume AI在競爭激烈的市場中搶佔一席之地。

來源：VentureBeat