Hume语音

访问官网

HumeOCTAVE是HumeAI推出的下一代语音语言模型,可从文字或5秒录音生成具有人格的语音,支持多角色语音交互,适用于AI配音和智能对话。

分类： AI音频与语音配音与语音合成 #AI情感理解 #多角色交互 #智能对话 #语音生成 #配音合成 #配音与语音合成

产品概述

Hume OCTAVE是Hume AI推出的下一代全能文本与语音引擎（Omni-Capable Text and Voice Engine），代表了语音AI技术的重大进展。与传统TTS（文本转语音）系统不同，OCTAVE不仅生成语音，还能生成具有完整人格特征（语言、口音、表情、底层性格）的AI角色，并支持多角色语音交互。其3B参数版本即可实现博客中展示的全部能力。

核心功能

OCTAVE的核心能力分为四个层次：第一，文字描述生成人格化语音，用户可通过自然语言描述想要的声音特征（如"极其沙哑的男声，像在吞热沥青""温柔共情的治疗师声音"），OCTAVE生成符合描述的语音和人格，包括性别、年龄、口音、情感语调和职业角色风格；第二，即时语音克隆，从短至5秒的录音中（即使有噪声）提取干净的声音特征并克隆，官方示例展示了从5秒录音克隆演讲者声音并生成后续内容；第三，实时语音交互，任何生成或克隆的语音和人格均可用于实时对话，OCTAVE在交互中理解语音风格、表达和底层性格的相互作用；第四，多角色对话生成，OCTAVE可生成多个交互角色的对话，可复制NotebookLM的双角色对话效果，甚至能通过文本注入控制响应的开头部分。

适用场景

OCTAVE适用于多种AI语音和对话场景：AI配音和语音合成，可生成具有特定人格和情感特征的语音角色；虚拟角色和AI助手，可打造具有独特人格的交互式AI角色；多角色内容创作，可生成播客式多人对话；语音克隆和个性化，可基于用户声音创建个性化AI语音。在教育、娱乐、辅助技术和客户服务等领域均有广泛应用前景。