抢先OpenAI，Hume AI发布第二代情感智能AI，支持自定义语音，在线可玩

相比第一代， 延迟降低40%，成本还降低30%。

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

EVI被宣称为全球首个具有情商的对话式AI。EVI能够通过分析用户的语音，如口音、语气、语调、拟声词、节奏和停顿等，来理解用户的情绪和心理状态，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%。此外，新一代EVI还进行了一系列功能增强与更新：语音质量的提高，情商与同理心的增强，支持自定义语音……

Hume AI由前谷歌DeepMind研究员Alan Cowen于2021年创立，他现在担任该公司的首席执行官兼首席科学家。该公司于今年3月27日完成了5000万美元的B轮融资。

官网地址：https://www.hume.ai/

一、功能增强：语音质量和情商的提升，还支持自定义语音

EVI 2集成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。这种多模态方法使得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。

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

除了在语音质量和情商方面的提升，新一代EVI 2还支持用户自定义语音。开发人员可以设置音调、鼻音和性别等参数，根据特定的应用需求定制EVI 2的语音，比如应用于客服机器人、虚拟AI助手。

EVI 2还支持用户在交互过程中通过语音提示，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”，甚至还可以“进行说唱“。

根据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、网页搜索等功能中使用。

Cowen在上周与VentureBeat的视频通话中谈道：“我们希望开发者能够将这个模型集成到任何应用中，创建他们想要的品牌语音，并根据他们的用户需求进行调整，使其品牌语音变得值得信赖且具有个性。”

此外，他透露道，EVI 2并不打算提供语音克隆的功能。

“我们当然可以用我们的模型克隆声音，但我们没有提供这一功能，因为它的风险太高、益处也不清晰。”他解释道，“人们真正想要的是能够定制声音。我们开发了新的语音，让用户可以创建不同的个性化语音。相比于克隆特定声音，开发者似乎对创建新语音更感兴趣。”

定制语音功能体验地址：https://platform.hume.ai/evi/voices

二、性价比提高：响应延迟降低40%，定价降低30%，年底预计能支持更多语言

EVI 2与EVI 1相比，延迟降低了40%，现在平均响应时间在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提高。Hume AI将EVI 2的定价降低了约30%，从第一代的每分钟0.102美元降低到每分钟0.072美元。企业用户还可以享受批量折扣。

不过，根据VentureBeat的计算，OpenAI目前提供的文本转语音服务（非新推出的ChatGPT高级语音模式）要比Hume AI的EVI 2便宜很多。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目前仅支持英语，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，得益于他们的训练过程，EVI 2实际上自主学习了多种语言，不需要由工程师进行人为的训练。

“我们没有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：先于竞争对手公开发布，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，目前只对少数用户开放，在候补名单中的用户仍需等待。

尽管Hume AI并没有像OpenAI或Anthropic那样广为人知，但Hume AI已经抢先于它们公开推出了一个人性化语音助手，并且客户现在就可以立即将其投入使用。这可能为Hume AI在竞争激烈的市场中抢占一席之地。

文章来自于微信公众号“智东西”，作者“Vendii”