Hume AI

EVI ist ein Echtzeit-Sprachmodell, das ein Gespräch führt statt nur Turns zu tauschen. Es misst Ton, Rhythmus und Klangfarbe Ihrer Stimme, während Sie sprechen, und erfasst, ob Sie ruhig, frustriert oder abgelenkt klingen, um passend zu antworten. Es weiß, wann Sie einen Gedanken beendet haben, und bleibt unterbrechbar, also können Sie dazwischenreden und es nimmt den Faden dort wieder auf. EVI 4-mini spricht Englisch, Japanisch, Koreanisch, Spanisch, Französisch, Portugiesisch, Italienisch, Deutsch, Russisch, Hindi und Arabisch.

Octave, auch als Octave-Sprachsynthese bekannt, ist ein Sprach- und Sprachmodell, das heißt, es versteht die Bedeutung der Worte, bevor es sie spricht. Es entscheidet, wann es flüstert und wann es ruft, und passt Tonhöhe, Tempo und Aussprache an die Zeile an. Sie können eine Stimme aus einer Beschreibung bauen oder Ihre eigene klonen, und laut Hume behalten Sie das Eigentum an dem Audio, das Sie erzeugen. Es zielt auf Narration für Hörbücher, Podcasts und Figuren, nicht auf robotische Ansagen.

Die API zur Expressionsmessung verwandelt Stimme und Gesicht in strukturierte Zahlen. Aus Sprache liefert sie Werte für Hunderte von Ausdrücken und stimmlichen Qualitäten, jede eine Wahrscheinlichkeit zwischen 0 und 1, nativ in mehr als 50 Sprachen gemessen. Aus Video bewertet sie Mimik und sichtbare Handlungen der erkannten Gesichter. Die Ergebnisse sind mit Zeitstempeln versehen und verknüpfen jeden Wert mit dem genauen Moment in der Aufnahme, damit Sie die Stelle eines Anrufs finden, die schiefgelaufen ist.

VoiceEQ ist Humes Antwort darauf, dass Sprachsysteme ihre Tests bestehen und Menschen trotzdem enttäuschen. Es nimmt Ihre echten Gesprächsdaten, gruppiert sie nach Anwendungsfall und erzeugt Test-Suiten mit den Szenarien und Erfolgskriterien, die für Sie zählen. Danach prüfen Sie Modelle und Agenten unter realistischen Bedingungen, kombinieren automatische Werte mit menschlichen Urteilen und machen aus den Fehlern eine kurze Liste zum Beheben.

Real World VoiceEQ ist ein öffentlicher Benchmark, der Sprachmodelle danach bewertet, was Zuhörende tatsächlich erleben. Er deckt mehr als 15 Dimensionen und 60 Metriken ab, stützt sich auf während der Entwicklung gesammelte menschliche Urteile und trennt Spracherzeugung, Speech-to-Speech, Erkennung und Verstehen. Für Teams, die ein Modell wählen, ist er ein Weg, Systeme nach Natürlichkeit, Timing und Kontext zu vergleichen statt nur nach dem Transkript.

Für Teams, die Treibstoff fürs Training brauchen, bietet Hume annotierte Datensätze zu Konversation, Mehrsprachigkeit und Vokalisationen in mehr als 50 Sprachen. Die Prism-Pipeline reinigt, segmentiert, transkribiert und verschlagwortet Audio in Ihrer eigenen Cloud und filtert schlechte Aufnahmen und personenbezogene Informationen heraus, bevor sie Ihr Modell erreichen. Beide richten sich an Forschungsabläufe, in denen die Datenqualität über das Ergebnis entscheidet.

Die Human-Feedback-API führt strukturierte Bewertungen mit echten, geprüften Ratern durch und liefert Noten zu Natürlichkeit, Präferenz und Klarheit innerhalb von Stunden. Daneben liefert Hume Python-, TypeScript- und React-SDKs sowie Spielwiesen für EVI und Octave, sodass ein Entwickler von einer Idee zu einem laufenden Prototyp kommt, ohne die Verkabelung von null aufzubauen.