Hume AI

Hume AI ging aus der Forschung zu menschlichen Emotionen hervor. Die Modelle analysieren, wie Menschen sprechen und Gefühle ausdrücken, einschließlich Tonfall, Tempo und Betonung. Die Empathic Voice Interface (EVI) nutzt diese Erkennung in einem dialogorientierten Sprachassistenten. EVI hört die Stimme des Nutzers, erkennt Hinweise wie Frustration oder Begeisterung und passt Antworten sowie Sprechweise daran an. So kann ein Sprachagent natürlicher wirken als einer, der nur Wörter transkribiert.

Die Plattform besteht aus mehreren Teilen. EVI ist die Echtzeit-Sprachschnittstelle für Apps und Agenten. Octave ist ein Text-to-Speech-Modell, dessen Stimme sich mit natürlichsprachlichen Beschreibungen steuern lässt. APIs zur Ausdrucksmessung analysieren Sprache, Gesichter und Texte auf emotionale Signale. Entwickler greifen über APIs und SDKs darauf zu; die Funktionen lassen sich mit verschiedenen Sprachmodellen einsetzen. Anwendungsfälle sind Coaching, Kundenservice, Wellness-Apps und Spiele.

Hume bietet Entwicklern eine kostenlose Stufe und nutzungsabhängige Preise. Im Rahmen eines Lizenzvertrags stellte Google DeepMind Humes CEO und mehrere Ingenieure ein. Hume erklärte, das Unternehmen werde weiterarbeiten und seine Technologie anderen Laboren bereitstellen; die Ausrichtung kann sich daher ändern. Emotionen anhand der Stimme zu erkennen ist ungenau und wirft ethische Fragen zu Einwilligung und Manipulation auf. Alternativen für Sprachagenten sind ElevenLabs, die Sprachmodelle von OpenAI, Cartesia und Deepgram.