前DeepMind大佬創(chuàng)業(yè),，做出喜怒哀樂(lè)以假亂真的AI語(yǔ)音大模型(3)

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2025-02-28 11:49:44 網(wǎng)易

Octave現(xiàn)已在platform.hume.ai平臺(tái)和Hume AI的API上線,。在線平臺(tái)上,，創(chuàng)作者和開(kāi)發(fā)者可以使用語(yǔ)音設(shè)計(jì),、表演指令、超過(guò)40種預(yù)設(shè)語(yǔ)音的語(yǔ)音庫(kù)以及用于生成有聲書(shū),、播客等長(zhǎng)篇內(nèi)容的項(xiàng)目界面（預(yù)覽版）,。而在開(kāi)發(fā)者平臺(tái)上,，Octave可通過(guò)Python和TypeScript SDK訪問(wèn),，這些SDK處理身份驗(yàn)證并提供類(lèi)型化接口,，確保集成的可靠性。其命令行界面支持快速原型設(shè)計(jì),、測(cè)試及從終端批量處理。

目前，Hume AI的API允許開(kāi)發(fā)人員每分鐘對(duì)Octave模型發(fā)出最多50次請(qǐng)求,，文本長(zhǎng)度上限為5000個(gè)字符,，描述上限為1000個(gè)字符。每個(gè)請(qǐng)求最多可生成5個(gè)輸出,，支持的音頻格式包括MP3,、WAV和PCM。

Hume AI對(duì)Octave進(jìn)行了內(nèi)部評(píng)估,，將其與業(yè)內(nèi)領(lǐng)先的AI文生語(yǔ)音大模型ElevenLabs進(jìn)行對(duì)比,。基準(zhǔn)測(cè)試包含120個(gè)多樣化語(yǔ)音描述的樣本,，結(jié)果顯示,，Octave在音質(zhì)、自然度以及提示詞匹配度方面均略勝一籌,。

Hume AI目前采用訂閱制收費(fèi)方式,，分為免費(fèi)、Creator,、Creator Pro和Enterprise四大類(lèi),。免費(fèi)版每月提供1萬(wàn)個(gè)字符的文本轉(zhuǎn)語(yǔ)音，總時(shí)長(zhǎng)約10分鐘,；入門(mén)版每月3美元,，提供3萬(wàn)個(gè)字符，總時(shí)長(zhǎng)約30分鐘,；Creator版每月10美元,，提供10萬(wàn)個(gè)字符，總時(shí)長(zhǎng)約100分鐘,；專(zhuān)業(yè)版每月50美元,，提供50萬(wàn)個(gè)字符，總時(shí)長(zhǎng)約500分鐘,。規(guī)模,、商業(yè)和企業(yè)級(jí)接入使用收費(fèi)標(biāo)準(zhǔn)則有所不同。

Hume AI的新文生語(yǔ)音大模型Octave及其情感智能語(yǔ)音技術(shù)有望解決長(zhǎng)期以來(lái)AI語(yǔ)音應(yīng)答機(jī)械,、語(yǔ)調(diào)生硬,、音色千篇一律的問(wèn)題，使人機(jī)語(yǔ)音交互更接近人與人之間的溝通,。同時(shí),，Octave也可以為影視、視聽(tīng),、新媒體,、數(shù)字人等多個(gè)行業(yè)產(chǎn)出定制化配音,，加速AI語(yǔ)音的商業(yè)化落地。

首頁(yè)上一頁(yè)1 23共 3 頁(yè)

(責(zé)任編輯：盧其龍 CN070)

關(guān)閉

前DeepMind大佬創(chuàng)業(yè),，做出喜怒哀樂(lè)以假亂真的AI語(yǔ)音大模型(3)

相關(guān)新聞

今日熱點(diǎn)

頻道熱點(diǎn)