Hume AI发布情感感知对话AI：EVI 能理解用户的情感状态和意图

Hume AI成功完成了由EQT Ventures领投、Union Square Ventures、Nat Friedman & Daniel Gross、Metaplanet、Northwell Holdings、Comcast Ventures和LG Technology Ventures参与的5000万美元B轮融资。与此同时，公司推出了其新的旗舰产品——情感语音接口(EVI)。

EVI是一种独特的情感智能对话AI，通过分析数百万次人类互动中的语音音调来理解用户何时停止讲话、预测他们的偏好，并随时间优化响应以提高满意度。EVI旨在提供一种沉浸式的、声音优先的交互体验，模仿人类对话中的自然语言模式。

EVI的功能特点 EVI（情感语音接口）由Hume AI推出，旨在通过AI技术改善人机交互的情感层面。以下是EVI的主要功能特点：

情感智能 多模态生成AI技术 ：结合大型语言模型（LLMs）与表情测量技术，形成情感大型语言模型（eLLM）。 情绪感知 ：通过分析语音音调、语速等，理解用户的情感状态和意图。 自然对话体验 端到端检测 ：准确判断用户讲话结束，优化对话流程，减少不自然的停顿和重叠。 流畅的语音交互 ：提供与人类相似的交流方式，实现流畅的语音交互体验。 高度可定制化 易于集成 ：开发者可以通过简单的代码将EVI集成到任何应用程序中。 定制选项 ：支持广泛的定制选项，包括语音响应的风格、语调，以及对特定情感的反应模式。 实时响应与中断处理 即时中断和恢复听取 ：当用户打断时，立刻停止当前语音输出并转入倾听状态。 自然对话中断 ：模仿人与人之间的自然对话中断和恢复。 情感表达的理解与回应 情感识别 ：理解语调和情感的细微变化，生成更符合情境的回应。 表达性语音输出 ：通过表达性文本到语音（TTS）技术，提供富有表情的语音输出。 学习与适应 自我优化 ：从用户的反应中学习并自我优化，提高用户满意度和幸福感。 EVI代表了一种新的交互方式，旨在通过深入理解和响应用户的情感需求，提供更加人性化和情感丰富的人机对话体验。

多模态生成AI（情感大语言模型，eLLM） EVI采用了一种新型的多模态生成AI技术，即情感大型语言模型（eLLM），这种技术结合了大型语言模型（LLM）和表情测量，允许EVI根据上下文和用户的情感表达来调整其使用的词汇和语调。

语言理解和生成 ：EVI通过LLMs进行深入的语言理解，不仅捕捉到文字的字面意义，还能理解上下文中隐含的情感和意图。 情感感知 ：通过分析用户的语音音调、语速、节奏以及可能的面部表情（如果视频数据可用），eLLM能够识别用户的情感状态，如快乐、悲伤、愤怒或惊讶等。 端到端的情感交互设计 细微情绪的捕捉和响应 ：EVI利用高级的信号处理技术和机器学习模型，捕捉用户语音中的细微情绪变化，如语调的升降、语速的快慢，以及特定情感的声音模式。 情感表达的生成 ：EVI通过表达性的文本到语音（TTS）技术，根据上下文和用户情感状态，调整生成语音的语调、节奏和强度，产生适合情境的情感表达。 实时交互处理 端到端检测和中断处理 ：EVI通过实时音频处理技术，实现端到端的说话轮次检测和中断处理。它能够在用户停止说话时立即识别，并在用户打断时停止当前的语音输出，立即转入倾听状态。 用户偏好的学习和适应 ：EVI结合在线学习算法，根据用户的反馈和互动历史，逐步学习和适应用户的偏好和行为模式，以优化未来的响应和交互体验。 安全和隐私保护 数据处理 ：在设计和实现EVI时，Hume AI采取了多层次的安全措施来保护用户数据的隐私和安全，包括数据加密、匿名处理和严格的数据访问控制。 详细： https://www.hume.ai/products#empathicVoiceInterface 在线体验： https://demo.hume.ai/