抢先OpenAI！Hume AI发布第二代情感智能AI，支持自定义语音

5ep9lzv

编译 | Vendii编辑 | 漠影

智东西9月19日信息，据VentureBeat今日报告，AI情感创企Hume AI于9月11日发布了Empathic Voice Interface 2（EVI 2）。

EVI被宣叫作为全世界首个拥有情商的对话式AI。EVI能够经过分析用户的语音，如口音、语气、语调、拟声词、节奏和停顿等，来理解用户的心情和心理状态，并做出实时响应。

与EVI 1相比，新发布的EVI 2的响应延迟减少了40%，且成本降低了30%。另外，新一代EVI还进行了一系列功能加强与更新：语音质量的加强，情商与同理心的加强，支持自定义语音……

Hume AI由前谷歌DeepMind科研员Alan Cowen于2021年创立，他此刻担任该机构的首席执行官兼首席专家。该机构于今年3月27日完成为了5000万美元的B轮融资。

官网位置：https://www.hume.ai/

1、功能加强：语音质量和情商的提高，还支持自定义语音

EVI 2集成为了一个先进的语音生成模型和情感大型语言模型（eLLM），能够处理和生成文本及音频。这种多模态办法使得EVI 2生成的语音听起来更自然，语调更恰当，表现力更高，输出更连续。

另外，在同一模型中处理语音和语言，使得EVI 2能够更好地理解用户输入内容的情感倾向，从而做出相应调节，在内容和语气方面生成更拥有同理心的响应。

除了在语音质量和情商方面的提高，新一代EVI 2还支持用户自定义语音。研发人员能够设置音调、鼻音和性别等参数，按照特定的应用需要定制EVI 2的语音，例如应用于客服设备人、虚拟AI助手。

EVI 2还支持用户在交互过程中经过语音提示，动态修改EVI 2的说话风格。例如，“说得更快”、“语调听起来很兴奋”，乃至还能够“进行说唱“。

按照Hume AI的介绍，EVI 2还能够与其他应用程序、大语言模型进行集成，在客服通话、网页搜索等功能中运用。

Cowen在上周与VentureBeat的视频通话中谈道：“咱们期盼研发者能够将这个模型集成到任何应用中，创建她们想要的品牌语音，并按照她们的用户需要进行调节，使其品牌语音变得值得信赖且拥有个性。”

另外，他透露道，EVI 2并不打算供给语音克隆的功能。

“咱们当然能够用咱们的模型克隆声音，但咱们无供给这一功能，由于它的危害太高、益处亦不清晰。”他解释道，“人们真正想要的是能够定制声音。咱们研发了新的语音，让用户能够创建区别的个性化语音。相比于克隆特定声音，研发者似乎对创建新语音更感兴趣。”

定制语音功能体验位置：

https://platform.hume.ai/evi/voices

2、性价比加强：响应延迟降低40%，定价降低30%，年底预计能支持更加多语言

EVI 2与EVI 1相比，延迟降低了40%，此刻平均响应时间在500到800毫秒之间。速度的改进使对话响应更快、更像人类。

EVI 2还有一大亮点是其成本效益的加强。Hume AI将EVI 2的定价降低了约30%，从第1代的每分钟0.102美元降低到每分钟0.072美元。企业用户还能够享受批量折扣。

不外，按照VentureBeat的计算，OpenAI日前供给的文本转语音服务（非新推出的ChatGPT高级语音模式）要比Hume AI的EVI 2便宜非常多。OpenAI的文本转语音服务每1000字符收费0.015美元（大约每分钟语音0.015美元），而Hume AI的EVI 2为每分钟0.072美元。

EVI 2日前仅支持英语，Hume AI计划在2024年底之前推出对西班牙语、法语和德语等多种语言的支持。

Cowen向VentureBeat透露道，得益于她们的训练过程，EVI 2实质上自主学习了多种语言，不需要由工程师进行人为的训练。

“咱们无专门训练模型输出某些特定的语言，但它从训练数据中学会了说法语、西班牙语、德语、波兰语等多种语言。”Cowen解释道。

结语：先于竞争对手公研发布，有望抢占市场

据传，Hume AI潜在的竞争对手Anthropic正在重新打造其投资方亚马逊的Alexa语音助手并准备推出。

另一方面，OpenAI在今年5月展示的由GPT-4o模型支持的ChatGPT高级语音模式，日前只对少许用户开放，在候补名单中的用户仍需等待。

尽管Hume AI并无像OpenAI或Anthropic那样广为人知，但Hume AI已然抢先于它们公开推出了一个人性化语音助手，并且客户此刻就能够立即将其投入运用。这可能为Hume AI在竞争激烈的市场中抢占一席之地。

源自：VentureBeat