Hume AI は、ユーザーがコーディングや専門知識を必要とせずに高度にパーソナライズされた AI 音声を作成できる実験的な機能である、革新的な音声制御機能の開始を発表しました。この機能は Hume の Empathy Voice Interface 2 (EVI2) に基づいており、音声の自然さ、感情表現、カスタマイズ性をさらに強化し、開発者とユーザーに前例のないレベルの制御を提供して、アプリケーションのさまざまなニーズを満たすソリューションを作成します。顧客サービス チャットボット、デジタル アシスタント、教育ツールなど。この革新的なテクノロジーは音声 AI 業界に革命をもたらし、より思慮深くパーソナライズされた音声エクスペリエンスをユーザーに提供すると期待されています。
感情的にインテリジェントな音声インターフェイスに焦点を当てている新興企業である Hume AI は、最近「音声コントロール」と呼ばれる実験的な機能を開始しました。
この新しいツールは、開発者とユーザーがコーディングや AI プロンプト エンジニアリング、サウンド デザインのスキルを必要とせずに、パーソナライズされた AI サウンドを作成できるように設計されています。ユーザーはサウンド特性を正確に調整することで、ニーズに合わせたサウンドを簡単にカスタマイズできます。
この新機能は、同社が以前に発売した Empathy Voice Interface 2 (EVI2) に基づいて構築されており、音声の自然さ、感情的な応答性、カスタマイズ性が強化されています。従来の音声クローン技術とは異なり、ヒュームの製品は、カスタマー サービス チャットボット、デジタル アシスタント、教師、ツアー ガイド、アクセシビリティ機能などの多様なアプリケーションのニーズを満たす、ユニークで表現力豊かな音声を提供することに重点を置いています。
音声制御を使用すると、開発者は、性別、積極性、興奮、自信などを含む 10 の異なる側面に沿って音声特性を調整できます。
「男性/女性: より男性的なものからより女性的なものまで、性別に応じた発声。
自信: 声の堅さ、臆病さと大胆さの間。
浮力: 音の密度。収縮と浮力の間の範囲です。
自信: 声の確実性の度合い。内気な声と自信のある声の間のどこかにあります。
熱意: 声には興奮があり、静けさと熱意の間のどこかにあります。
鼻声: クリアな声から鼻声までの範囲の、声の開放感。
リラクゼーション: 緊張と弛緩の間の声の圧力。
Smoothness: スムーズとスタッカートの間のサウンドの質感。
マイルドネス: 音の背後にあるエネルギー。穏やかさと力強さの間のどこかにあります。
タイトネス: サウンドがどの程度抑制されているかを、タイトから息苦しくまでの範囲で表します。 」
ユーザーは仮想スライダーを使用してこれらのプロパティをリアルタイムで微調整できるため、カスタマイズが簡単かつ簡単になります。この機能は現在ヒュームの仮想プラットフォームで利用可能であり、ユーザーは無料で登録するだけでアクセスできる。
音声コントロールは現在ベータ版で利用可能で、Hume の Empathy Voice Interface (EVI) と統合されているため、幅広いアプリケーションで利用できるようになります。開発者はベース音声を選択し、その特性を調整し、結果をリアルタイムでプレビューできます。このプロセスにより、セッション間での再現性と安定性が保証されます。これは、カスタマー サービス ボットや仮想アシスタントなどのリアルタイム アプリケーションの重要な機能です。
EVI2 の影響は音声コントロール機能に顕著に表れます。初期のモデルでは、音声 AI アプリケーションの範囲を広げる会話プロンプトや多言語機能などの機能が導入されました。たとえば、EVI2 は、自然で即時の会話に対する 1 秒未満の応答時間をサポートします。また、対話中に話し方を動的に調整できるため、ビジネスにとって多用途なツールになります。
この動きはまさに、AI 業界におけるプリセットサウンドへの依存の問題を解決するためのものであり、多くのブランドやアプリケーションはニーズを満たすサウンドを見つけることが困難です。ヒューム氏の目標は、感情に敏感な音声 AI を開発し、業界の進歩を促進することです。 EVI2 が 2024 年 9 月にリリースされると、すでに音声の遅延と費用対効果が大幅に改善され、音声調整機能に代わる安全な代替手段が提供されます。
ヒュームのリサーチ主導のアプローチは製品開発の中心であり、異文化間の音声録音と感情調査データを組み合わせています。この方法論は EVI2 と新しく発売された音声コントロールの基礎を形成しており、人間による音の知覚を詳細に捉えることができます。
現在、音声制御はベータ版で開始されており、ヒュームの Empathy Voice Interface (EVI) と組み合わせて、さまざまなアプリケーション シナリオをサポートしています。開発者は、ベースサウンドを選択し、その特性を調整し、結果をリアルタイムでプレビューできるため、カスタマーサービスや仮想アシスタントなどのリアルタイムアプリケーションの一貫性と安定性を確保できます。
市場での競争が激化する中、ヒュームのパーソナライズされた音声と心の知能指数のポジショニングにより、音声 AI 分野で傑出した存在となっています。将来的には、ヒュームは音声コントロールの機能を拡張し、調整可能な寸法を追加し、音質を最適化し、基本的なサウンドの選択肢を増やすことを計画しています。
公式ブログ：https://www.hume.ai/blog/introducing-voice-control
ハイライト:
**Hume AI は、ユーザーがパーソナライズされた AI 音声を簡単に作成できる「音声コントロール」機能を開始しました。 **
** この機能にはコーディングのスキルは必要ありません。ユーザーはスライダーを使用してサウンド シグネチャを調整できます。 **
**Hume は、パーソナライズされた感情的にインテリジェントな音声 AI を通じて、多様なアプリケーションのニーズを満たすように設計されています。 **
全体として、Hume AI の「音声コントロール」機能は、AI 音声カスタマイズの分野に新たな可能性をもたらし、その利便性とパーソナライズされた機能により、音声 AI テクノロジーの普及が促進され、ユーザーにより人間らしい音声インタラクション体験がもたらされることが期待されています。 今後も継続的な機能改善・拡張により、ヒュームAIは音声AI分野のリーダーとなることが期待されています。