Hume AI

EVI는 발화를 주고받는 데 그치지 않고 대화를 성립시키도록 만든 실시간 음성 모델이다. 말하는 동안 목소리의 음높이, 리듬, 음색을 재고, 당신이 차분한지 답답한지 산만한지 읽어 내어 그에 맞춰 응답한다. 생각을 다 말한 시점을 알아채고 언제든 끼어들기를 받아들인다. 말을 자르면 끊긴 지점에서 실마리를 다시 집는다. EVI 4-mini는 영어, 일본어, 한국어, 스페인어, 프랑스어, 포르투갈어, 이탈리아어, 독일어, 러시아어, 힌디어, 아랍어를 지원한다.

Octave는 Octave 음성 합성이라고도 하며, 음성 언어 모델이다. 다시 말해 말하기 전에 단어의 뜻을 이해한다. 속삭일 때와 외칠 때를 가리고, 대사에 맞춰 음높이, 속도, 발음을 조정한다. 설명으로 목소리를 만들 수도, 자기 목소리를 복제할 수도 있다. 생성한 오디오의 권리는 Hume 약관 아래 당신에게 남는다고 회사는 밝힌다. 목표는 오디오북, 팟캐스트, 캐릭터 더빙이며 기계적인 안내 방송이 아니다.

표정 API는 음성과 얼굴을 구조화된 숫자로 바꾼다. 음성에서는 수백 가지 표정과 음성 특질의 점수를 돌려주고, 각각 0에서 1 사이의 확률이며 50개 넘는 언어를 기본으로 측정한다. 영상에서는 감지한 얼굴의 표정과 눈에 보이는 동작을 채점한다. 결과에는 타임스탬프가 붙어 각 점수가 녹음의 정확한 순간과 연결된다. 통화의 어디서 어긋났는지 찾아낼 수 있다.

VoiceEQ는 음성 시스템이 테스트를 통과하고도 사람을 실망시킨다는 현실에 대한 Hume의 답이다. 실제 대화 데이터를 가져와 사용 사례별로 묶고, 당신에게 중요한 시나리오와 성공 기준을 담은 테스트 묶음을 만든다. 그다음 모델과 에이전트를 현실에 가까운 조건에서 돌리고, 자동 점수와 사람 평가를 결합해 실패를 고칠 항목의 짧은 목록으로 추린다.

Real World VoiceEQ는 듣는 사람이 실제로 경험하는 것을 기준으로 음성 모델을 채점하는 공개 벤치마크다. 15개 넘는 축과 60개 지표를 다루고, 개발 중 모은 사람 판단을 토대로 삼으며, 음성 생성, 음성 간 변환, 인식, 이해를 나눠 본다. 모델을 고르는 쪽에는 전사 정확도만이 아니라 자연스러움, 간격, 맥락으로 시스템을 비교하는 수단이 된다.

학습 재료가 필요한 팀을 위해 Hume은 대화, 다국어, 발성을 다루는 주석 달린 데이터셋을 50개 넘는 언어로 제공한다. Prism 파이프라인은 자체 클라우드에서 오디오를 정리하고, 나누고, 전사하고, 태그를 붙인다. 품질이 낮은 녹음과 개인정보는 모델에 닿기 전에 걸러 낸다. 둘 다 데이터 품질이 결과를 좌우하는 연구 흐름을 겨냥한다.

Human Feedback API는 실제로 선별된 평가자로 구조화된 평가를 돌리고 자연스러움, 선호, 명료도 점수를 몇 시간 안에 돌려준다. 그 옆에 Python, TypeScript, React SDK와 EVI, Octave 놀이터가 있다. 개발자는 밑작업을 처음부터 짜지 않고 아이디어에서 동작하는 시제품으로 넘어간다.