Hume AI
Hume AI · 語音與語言
Hume AI 打造具備情感智慧的語音技術，包括 Empathic Voice Interface、Octave 語音合成，以及 VoiceEQ 評估平台。
關於 Hume AI
About
什麼是 Hume AI
Hume AI 是一間研究實驗室兼科技公司，目標是讓人工智慧透過語音讀懂並產生人類情緒，可說是一家專攻情感語音 AI 的公司。公司由前 DeepMind 研究員 Alan Cowen 在 2021 年創立，背後靠的是十多年情感科學的累積，一路可追溯到哲學家 David Hume 關於情感如何驅動選擇的論點。整條產品線押的注很單純：任務可以順利完成，對話卻還是失敗，因為人們評斷語音代理靠的是語氣、時機與溫度，不只是字面上的對答。
產品重心隨時間調整過。Empathic Voice Interface（EVI）負責即時的口語對話，會依照你聽起來的狀態調整語氣。Octave 是建立在語言模型智慧之上的語音合成系統，所以能把腳本演出來，而不只是照本宣科。旁邊還有量測工具，像是能為聲音與臉部表情打分的表情 API，以及一個名為 Real World VoiceEQ 的評測基準。
投入時間前最該知道的一件事：Hume 正在收掉 EVI 與 Octave 這兩套 API。存取權限在 2026 年 11 月 13 日結束，之後帳號資料會被刪除。公司現在把評估平台與評測基準當成往後的主線，這條語音 AI 評估的路線就是它接下來的重心。如果你正在開發語音產品，請把這段過渡期規劃進去，別把 EVI 當成長期依賴。
開始使用
- 到 platform.hume.ai 註冊 Hume 平台帳號。主控台內建 EVI 與 Octave 的測試環境，讓你在寫程式前先聽聽各種聲音。
- 選你的路線。要做即時對話，就用 EVI 開一個專案並取得 API 金鑰；要產生語音，就在 Octave 測試環境裡寫腳本，聽它被演出來。
- 接進你的系統。安裝 Python、TypeScript 或 React 的 SDK，照著快速入門把音訊送進去、把回覆播出來。
- 調整行為。設定聲音、角色與系統指令，再調校它如何處理插話與判斷你說完話的時機。
- 量測再修正。用表情工具或 VoiceEQ 平台替對話實際聽起來的樣子打分，針對出問題的地方下手。
產品資訊
快速了解 Hume AI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 開發語音代理的工程師：你拿到 SDK、測試環境與有文件的 API，不必自己訓練模型，就能替陪伴 App 或客服機器人加上情感感知。
- AI 實驗室與客服中心的產品團隊：VoiceEQ 平台與 Real World VoiceEQ 評測基準讓你依照人們真正感受到的差異來比較語音模型，而不是只看字錯率。要拿到存取權，得先談過一輪業務。
- 研究情緒與語音的學者：表情工具與語音資料集背後有十多年的公開發表研究撐著，當你需要站得住腳的結果時特別管用。
- 做無障礙與機器人的開發者：即時的表情分數讓系統能對困惑或猶豫做出反應，當介面得讀懂一個不打字的使用者時，這點很關鍵。
任務
- 跑一個即時的情感語音代理：EVI 會聽、會量測語調，還會自己決定何時開口，所以示範起來像通電話，而不是對講機式的輪流喊話。
- 產生有表情的旁白：Octave 能替有聲書、播客與遊戲角色配音，情緒是演出來的，不是平平地唸過去。
- 量測一段聲音帶給使用者的感受：表情 API 會回傳數百種聲音與臉部線索的機率分數，把一個印象變成看得見的數字。
- 比較各家語音模型：Real World VoiceEQ 從自然度、輪替節奏等面向替系統打分，讓你有憑有據地挑模型。
- 準備訓練資料：語音資料與管線工具能把原始錄音變成經過篩選、轉錄與表情標註的資料集。
情境
- 做一個陪伴或教練 App 的原型：EVI 測試環境一個下午就能弄出會說話的原型，夠你判斷情感語音合不合你的點子。
- 上線前驗一個客服代理：用 VoiceEQ 測試套件做壓力測試，會逼出那些壞掉的通話，修正就能趕在客訴前面。
- 在創作專案裡換掉死板的語音合成：Octave 讓你用提示詞指揮一段演出，適合在乎表現方式的創作者。
- 稽核既有的語音堆疊：表情量測補上傳統指標漏掉的一層，當系統通過測試卻還是聽起來冷冰冰時，這層很有用。
主要功能
Empathic Voice Interface (EVI)
EVI 是一個即時語音模型，設計來真的對話，而不只是交換發言。它會在你說話時量測聲音的音調、節奏與音色，接著判斷你聽起來是平靜、挫折還是分心，再照著回應。它知道你什麼時候講完一個念頭，也隨時能被插話，你可以打斷它，它會從中斷的地方把話接回來。EVI 4-mini 支援英語、日語、韓語、西班牙語、法語、葡萄牙語、義大利語、德語、俄語、印地語與阿拉伯語。
Octave Text-to-Speech
Octave 又稱 Octave 語音合成，是一套語音語言模型，意思是它在開口前先理解字詞的意思。它會判斷何時該低語、何時該吶喊，並依台詞調整音高、速度與發音。你可以用一段描述生成聲音，也能複製自己的聲音，Hume 表示你保有所生成音訊的所有權。它的目標是有聲書、播客與角色配音，不是死板的廣播。
Expression Measurement
表情 API 把聲音與臉部變成有結構的數字。從語音，它回傳數百種表情與聲音特質的分數，每個都是 0 到 1 的機率，原生支援超過 50 種語言。從影片，它替偵測到的臉孔打出表情與可見動作的分數。結果都帶著時間戳，把每個分數連回錄音裡的確切時刻，讓你找出通話中走調的那一段。
VoiceEQ Evaluation Platform
VoiceEQ 是 Hume 對一個現實的回應：語音系統就算通過測試，還是會讓人失望。它會拿你真實的對話資料，依使用情境分群，再產生一套測試，涵蓋對你真正重要的情境與成功標準。接著你把模型與代理丟到貼近真實的條件下受測，把自動分數與人工評分放在一起看，最後把失敗收斂成一張精簡的待修清單。
Real World VoiceEQ Benchmark
Real World VoiceEQ 是一個公開基準，用來替語音模型打分，標準是聽者實際體驗到的東西。它涵蓋超過 15 個面向與 60 項指標，採用開發期間蒐集的人工評分，並把語音生成、語音轉語音、辨識與理解分開看。對要挑模型的人來說，這是一種以自然度、節奏與情境脈絡來比較系統的方法，而不是只看轉錄準不準。
Speech Data and Prism Pipeline
對需要訓練素材的團隊，Hume 提供標註過的資料集，涵蓋對話、多語言與人聲，支援超過 50 種語言。Prism 管線會在你自己的雲端環境清理、切分、轉錄並標註音訊，在資料進到模型前先濾掉品質差的錄音與個資。兩者都鎖定資料品質決定成敗的研究流程。
Human Feedback and SDKs
Human Feedback API 會用真實且經過篩選的評分員跑結構化評估，幾小時內就回傳自然度、偏好與清晰度的評分。一旁還有 Python、TypeScript 與 React 的 SDK，以及 EVI 與 Octave 的測試環境，開發者不必從零搭建底層，就能把一個想法變成能跑的原型。
優缺點
優點
- 對情感的重視是真的，不是貼標籤：模型會量測聲音的表情並據此回應，這是多數語音工具做不到的。
- SDK、測試環境與文件讓第一個原型很快成形，就算只有一位開發者也行。
- 評估平台把自動分數與人工判斷擺在一起，更貼近人們真正評斷一段聲音的方式。
- 資料集與表情工具源自十多年的公開發表研究，讓量測結果更有說服力。
- 依 Hume 的條款，你用 Octave 生成的音訊仍保有所有權。
缺點
- EVI 與 Octave 正在關閉。存取權在 2026 年 11 月 13 日結束，之後資料會被刪除，現在靠它們開發就得先規劃搬遷。
- 表情量測是限量釋出，你必須聯絡 Hume 才能取得存取權，不能自己註冊就開跑。
- 價格沒有一張簡單的公開表。平台與資料類產品得先談過業務。
- 產品線換過方向，舊的教學與評測若照字面讀，很容易被誤導。
常見問題
Hume AI 用來讓語音技術具備情感感知。它的 Empathic Voice Interface 能進行會配合你語氣的即時對話，Octave 從文字產生有表情的語音，而量測與評估工具則替一段聲音在人們耳裡實際聽起來的樣子打分。研究人員與產品團隊用它來開發並測試語音模型與代理。
相關內容
探索與 Hume AI 相關的工具、技能與文章。
Hume AI 替代方案
Off the Record
Weird Machines · 語音與語言 · 生產力Off the Record 是 Weird Machines 的 macOS 應用程式，會即時改變你的聲音來阻擋 AI 轉錄：別人聽你說話一切正常，AI 會議紀錄卻拿不到任何可用內容。
Cekura Bench
Cekura · 語音與語言 · 商業Cekura Bench 是公開的評測計畫，讓語音對語音模型與已上線的語音代理跑完 82 通模擬電話，每種情境各三次，再公布通過率、延遲與每分鐘成本。
Griffin by Tavus
Tavus · 語音與語言 · 影片 · 聊天機器人Griffin by Tavus 是第一個稱為人類互動模型的系統，採全雙工、影片對影片架構，在 AI 視訊通話中即時觀察、聆聽並回應。