Hume präsentiert EVI 3: Fortschrittliche KI-Stimme mit emotionaler Intelligenz

NEW YORK / LONDON (IT BOLTWISE) – Das New Yorker KI-Startup Hume hat sein neuestes Modell der empathischen Sprachschnittstelle, EVI 3, vorgestellt. Diese fortschrittliche KI-Technologie zielt darauf ab, die Art und Weise zu revolutionieren, wie Unternehmen und Entwickler mit Sprach-KI interagieren.

Hume, ein aufstrebendes KI-Startup aus New York, hat kürzlich sein neuestes Modell der empathischen Sprachschnittstelle, EVI 3, vorgestellt. Diese innovative Technologie zielt darauf ab, die Interaktion mit Sprach-KI auf ein neues Niveau zu heben, indem sie eine natürliche, ausdrucksstarke und empathische Kommunikation ermöglicht. EVI 3 ist darauf ausgelegt, in verschiedenen Bereichen eingesetzt zu werden, von Kundensupportsystemen über Gesundheitscoaching bis hin zu immersivem Storytelling und virtueller Begleitung.

Ein herausragendes Merkmal von EVI 3 ist die Fähigkeit, benutzerdefinierte Stimmen in Sekundenschnelle zu erstellen. Nutzer können mit dem Modell sprechen und dabei eine Stimme generieren, die ihren gewünschten Eigenschaften entspricht, wie zum Beispiel eine warme und selbstbewusste, maskuline Tonlage. Diese Funktionalität hebt sich deutlich von den standardisierten Stimmen ab, die von etablierten Technologieführern wie Apple und Amazon angeboten werden.

Für Entwickler und Unternehmen bietet EVI 3 eine Vielzahl von Einsatzmöglichkeiten, von der Integration in Kundenservicesysteme bis hin zur Erstellung von Inhalten in Hörbüchern und Spielen. Die Möglichkeit, präzise Persönlichkeitsmerkmale, stimmliche Qualitäten und emotionale Töne zu spezifizieren, eröffnet neue kreative Möglichkeiten. Ein Beispiel für die Vielseitigkeit von EVI 3 ist die Fähigkeit, eine Stimme zu erzeugen, die wie ein „quiekendes Mäuschen mit französischem Akzent“ klingt.

Im Vergleich zu traditionellen Chatbots oder Sprachassistenten, die stark auf geskriptete oder textbasierte Interaktionen angewiesen sind, passt sich EVI 3 der natürlichen Sprechweise der Menschen an. Es erkennt Tonhöhen, Prosodie, Pausen und vokale Ausbrüche, um ansprechendere, menschenähnliche Gespräche zu schaffen. Diese Fähigkeit zur emotionalen Intelligenz ist ein zentraler Vorteil von EVI 3.

Obwohl Humes Modelle derzeit keine Sprachklonung bieten, wie sie von Konkurrenten wie ElevenLabs angeboten wird, plant das Unternehmen, diese Funktionalität in sein Octave-Text-to-Speech-Modell zu integrieren. Hume betont jedoch, dass vor der breiten Verfügbarkeit dieser Funktion Sicherheitsvorkehrungen und ethische Überlegungen Priorität haben.

Interne Tests von Hume zeigen, dass EVI 3 von Nutzern gegenüber OpenAIs GPT-4o in allen bewerteten Kategorien bevorzugt wird, darunter Natürlichkeit, Ausdruckskraft und Empathie. Auch im Vergleich zu Googles Gemini-Modellfamilie und dem neuen Open-Source-AI-Modell von Sesame schneidet EVI 3 in der Regel besser ab.

Hume bietet flexible, nutzungsbasierte Preispläne für seine APIs an, wobei die genauen Preise für die EVI 3-API noch bekannt gegeben werden. Für Entwickler, die an Echtzeit-Sprachinteraktionen oder emotionaler Analyse arbeiten, gibt es auch einen Pay-as-you-go-Plan mit kostenlosen Startguthaben.

Seit seiner Gründung im Jahr 2021 hat Hume, unter der Leitung von Alan Cowen, einem ehemaligen Forscher bei Google DeepMind, kontinuierlich daran gearbeitet, die Lücke zwischen menschlicher emotionaler Nuance und KI-Interaktion zu schließen. Mit EVI 3 hofft das Unternehmen, Entwicklern und Kreativen neue Möglichkeiten zu eröffnen, was mit Sprach-KI möglich ist.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!