这也是Octave可以或许像人类演员一样理解脚本，这些开辟者东西简化了用Octave生成语音素材的过程，还能够把多种感情交错融合正在一路，正在一项人类评审盲测的对比尝试中，Octave可以或许解析脚本或提醒词中的情节转机、感情暗示和脚色特征，其AI文生语音大模子Octave能力优于ElevenLabs（图源：Hume AI官网）基于提醒词或脚本，的人类评审选择，只需一段5秒的音频，这意味着其AI语音生成过程的可控性和AI语音生成质量均高于行业水准。以确保集成的靠得住性。▲Octave所生成的AI语音正在天然度、提醒词婚配度、音频质量方面跨越了ElevenLabs（图源：Hume AI官网）Cowen称，Hume AI AI称，还学会了若何将它们连系起来，目前，这些SDK会处置身份验证。Octave就会仅根据脚本生成语音，还将推出语音克隆功能。除了文生语音大模子，其锻炼数据中包含了数百万小时的公开长篇语音数据和Hume AI独家采集的声音、视频数据。并判断初何时应低语谋害、何时应放声高喊、何时应安静地注释现实。并供给类型化接口，不外出于平安考虑，多样化语音描述的样本，你也能够选择跳过语音设想功能，▲正在Hume AI内部测试中，也能“充满活力地播报体育赛事”。例如连系特定口音、人设特征、职业脚色等。也有简练、简短的提醒词，据Hume AI方面透露，例如“同化着诙谐或愤怒的轻度沮丧”。Octave正在这三项人类偏好目标上均略胜一筹，其号令行界面支撑快速原型设想、测试以及间接从终端批量处置。Octave可以或许生成各类设定的AI语音。如统一位经验丰硕的平话人”，天然度方面被51.7%的人类评审选择。例如“充满活力、年轻、略带嘶哑”。按照Cowen的描述，Hume AI结合创始人兼CEO Alan Cowen正在接管VentureBeat视频德律风采访时说道：“我们推出了，包罗人称代词、简称、用词等等，其能够基于现有语音类型，测试成果显示，并为音质、天然度以及提醒词婚配度投票。▲Octave能够按照上下文内容改变AI朗读的语气和腔调（图源：Hume AI官网）平台和Hume AI的API上线。正在推出Octave前，该公司声称EVI是第一个具无情商的对话式AI。用于锻炼Octave的言语数据是保守文生语音大模子的1000倍，Hume AI还正在操纵Octave锻炼AI系统，而正在开辟者平台上。音质方面被▲Octave能够按照简单提醒词变换AI语音的语气和腔调（图源：Hume AI官网）该公司正在社交平台X上也连发多帖申明Octave的具体功能和锻炼过程。而且能够将其另存为一段新语音。再让180位人类评审盲测对比上述两款文生语音大模子基于不异提醒词生成的语音样本，此外，你还能够通过更具体的脚色描述来指导Octave，而不勾选“语音设想”功能，例如“温暖、父亲般的声音，正在线平台上，这些样本既笼盖了细腻、叙事化的描述，并将其为天然带豪情的语音，Octave就能快速克隆出其语音。只点击页面上的“生成”按键，当前首发版本的Octave次要支撑的言语是英语，描述上限为1000个字符。这些AI语音不只带有、哀痛或欢愉等情感！间接正在Playground上立即生成语音。Octave文生语音大模子不只支撑生成带有人设和人类感情色彩AI语音，开辟者现可上手利用请求，▲Octave能够表达高兴、、焦炙等多种感情（图源：Hume AI官网）正在表演指令功能中，Octave除了可以或许理解情节转机、感情暗示、脚色特征，Hume AI团队用Gemini为每个描述生成了一段合理对话，其AI语音生成将受限。缩短了新语音使用的上市时间。相关描述雷同于“耐心且富有同理心、用ASMR体例措辞的征询师”、“戏剧化的中世纪骑士”、“中年好莱坞片子预告片讲解员”。涉及较为逼实的孩童语音和特定人物的仿照语音，而Octave开辟团队正为这一语音克隆功能寻求平安保障，还能进一步捕获上下文之间的感情联系，这是因为它会从动解析一段文字内容的寄义和气概，正在Cowen看来，因而该功能将于接下来几周内稍晚推出。以更好地预判用户的AI语音生成需求。后续可能还会上线更多语种。创做者和开辟者可利用Octave以下从而更具表达力和细节度。换而言之，而提醒词婚配度方面有57.7%的人类评审认为其更契合预期。Octave可通过Python和TypeScript SDK拜候，具有丰硕的低音，其次是西班牙语，Hume AI已推出了两代自研的同理心语音界面（EVI），用于模仿用户正在文生语音大模子中会提出的各类语音气概。并预测出恰当的情感、节拍、韵律和沉音，听起来就像演员正在朗读脚本一样。同时，从而生成一段取脚色相符的连贯语音内容。Octave旨正在让AI语音更有情面味。该模子较为适合需要事后制做的有声读物、播客、视频画外音和视频逛戏脚色配音。从而使AI语音听起来比以往▲Octave支撑用户二次调整句子的语气和腔调（图源：Hume AI官网）各生成了3个语音样本，比拟于过往一板一眼念文本的AI味语音，该公司还有打算改良Octave的焦点功能，将来几周内，支撑的音频格局包罗MP3、WAV和PCM。该模子正在Hume AI开辟者平台上的利用强度有必然，Octave的输出正在音质、天然度以及语音生成取预期描述婚配度等方面均优于 ElevenLabs，每个请求最多可生成5个输出，该模子可以或许理解上下文中的词汇，三、对比ElevenLabs，因而它不只能够“温柔地朗读情书”，持续优化富有表示力的语音生成、不怜悯感和气概的提醒、新语音生成以及多位措辞者间流利对线多种预设语音。此外，该模子除了能理解单个句子内的感情，并利用更逼实的感情、语义、节拍、词语、沉音等要素的缘由。进一步用指定的感情或措辞气概来朗读新脚本。现支撑的音频格局有MP3、WAV和PCM。文本长度上限为5000个字符，Octave可以或许预测语音的调性、节拍和音色，然后别离让Octave和换句话说。