Hume AI

EVI est un modèle vocal en temps réel conçu pour tenir une conversation, pas seulement pour échanger des tours. Il mesure le ton, le rythme et le timbre de votre voix pendant que vous parlez, puis capte si vous sonnez calme, frustré ou distrait pour répondre en conséquence. Il sait quand vous avez fini une idée et reste interruptible, donc vous pouvez couper et il reprend le fil là où il s'était arrêté. EVI 4-mini parle anglais, japonais, coréen, espagnol, français, portugais, italien, allemand, russe, hindi et arabe.

Octave, aussi appelé synthèse vocale Octave, est un modèle de langage et de parole, ce qui veut dire qu'il comprend le sens des mots avant de les dire. Il décide quand chuchoter et quand crier, et ajuste le ton, le tempo et la prononciation à la réplique. Vous pouvez créer une voix à partir d'une description ou cloner la vôtre, et Hume affirme que vous conservez la propriété de l'audio que vous générez. Il vise la narration de livres audio, de podcasts et de voix de personnage, pas les annonces robotiques.

L'API d'expression transforme la voix et le visage en chiffres structurés. À partir de la parole, elle renvoie des scores pour des centaines d'expressions et de qualités vocales, chacune une probabilité entre 0 et 1, mesurées nativement dans plus de 50 langues. À partir d'une vidéo, elle note les expressions faciales et les actions visibles des visages qu'elle détecte. Les résultats sont horodatés et relient chaque score au moment exact de l'enregistrement, pour retrouver la partie de l'appel qui a déraillé.

VoiceEQ est la réponse de Hume au fait que les systèmes vocaux passent leurs tests et déçoivent quand même les gens. Il prend vos vraies données de conversation, les regroupe par cas d'usage et génère des suites de tests avec les scénarios et les critères de réussite qui comptent pour vous. Vous soumettez ensuite modèles et agents à des conditions réalistes, vous combinez scores automatiques et jugements humains, et vous transformez les échecs en une courte liste de choses à corriger.

Real World VoiceEQ est un benchmark public qui note les modèles vocaux sur ce que les auditeurs vivent réellement. Il couvre plus de 15 dimensions et 60 métriques, s'appuie sur des jugements humains recueillis pendant son développement et sépare génération de parole, parole à parole, reconnaissance et compréhension. Pour qui choisit un modèle, c'est un moyen de comparer les systèmes sur le naturel, le rythme et le contexte plutôt que sur la seule transcription.

Pour les équipes qui ont besoin de carburant pour l'entraînement, Hume propose des jeux de données annotés couvrant la conversation, le multilingue et les vocalisations dans plus de 50 langues. Le pipeline Prism nettoie, segmente, transcrit et étiquette l'audio dans votre propre cloud, et filtre les enregistrements de mauvaise qualité et les informations personnelles avant qu'ils n'atteignent votre modèle. Les deux visent des flux de recherche où la qualité de la donnée décide du résultat.

L'API Human Feedback lance des évaluations structurées avec de vrais évaluateurs, filtrés, et renvoie des notes de naturel, de préférence et de clarté en quelques heures. À côté, Hume fournit des SDK Python, TypeScript et React ainsi que des bacs à sable pour EVI et Octave, de sorte qu'un développeur passe d'une idée à un prototype fonctionnel sans monter la plomberie de zéro.