Hume AI

Hume AI là nền tảng AI cảm xúc đa phương thức giúp định lượng cảm xúc của người nói từ âm sắc, nhịp độ và ngữ điệu của giọng nói. Ngoài API đo lường biểu hiện, giúp trích xuất hàng chục chỉ số cảm xúc như giận dữ, vui vẻ và lo lắng trong thời gian thực, chúng tôi còn cung cấp mô hình TTS "Octave" có thể điều chỉnh cảm xúc và loại phản ứng đồng cảm bằng giọng nói LLM "EVI". Nó có thể được sử dụng cho các ứng dụng B2B như phân tích chất lượng phản hồi của trung tâm cuộc gọi, nghiên cứu UX, phát triển sản phẩm sức khỏe tâm thần và xây dựng AI agent đáp ứng cảm xúc.

Các tính năng chính

API đo lường biểu hiện: Định lượng hơn 48 khía cạnh cảm xúc từ giọng nói, nét mặt và văn bản. Theo truyền thống, nhà phân tích phải mất 30 đến 60 phút để đánh giá bản ghi cuộc gọi kéo dài một giờ, nhưng với API, tất cả các bản ghi có thể được ghi trong vài phút.

EVI (Giao diện giọng nói đồng cảm): Một cuộc đối thoại bằng giọng nói LLM điều chỉnh âm sắc và phản hồi tùy thuộc vào cảm xúc của người nói. Ngoài việc phản hồi các Câu hỏi thường gặp, các chức năng API tiêu chuẩn có thể thay thế logic phản hồi cảm xúc mà sẽ mất từ ​​2 đến 4 tuần để triển khai trong cấu hình TTS+LLM thông thường, chẳng hạn như chuyển sang âm báo xin lỗi khi phát hiện thấy sự không hài lòng.

Octave TTS: Mô hình chuyển văn bản thành giọng nói cho phép kiểm soát các thông số cảm xúc bằng hướng dẫn. Nó có thể được sử dụng cho sách nói, nhân vật trong trò chơi và tường thuật, đồng thời có thể tự sản xuất các bộ phận với chi phí 10.000 đến 30.000 yên Nhật mỗi phút để bố trí diễn viên lồng tiếng.

Xử lý hàng loạt Webhook: Phân tích không đồng bộ một số lượng lớn tệp âm thanh và trả về kết quả dưới dạng JSON.

Biên bản xác minh của ban biên tập

Phí xuất bản được trả theo nhu cầu sử dụng, trong đó Octave TTS cung cấp cấp độ miễn phí lên tới 10.000 ký tự mỗi tháng, các tùy chọn trả phí bắt đầu từ $3/tháng và Pro $50/tháng cho 500.000 ký tự. EVI có sẵn trong gói Nâng cao với giá khởi điểm là $50/tháng. Các API phiên mã như Deepgram và AssemblyAI coi phân tích cảm xúc như một phần thưởng tùy chọn, nhưng điểm khác biệt của Hume AI là mức độ chi tiết của các chiều cảm xúc (hơn 48 loại) và thiết kế mô hình được hỗ trợ bởi các tài liệu nghiên cứu. Nếu chúng tôi đánh giá thủ công chất lượng của 100 giờ cuộc gọi mỗi tháng, chi phí nhân công sẽ tương đương từ 400.000 đến 600.000 yên Nhật, nhưng nếu chi phí API tương đương, thì có thể giảm chi phí xuống vài chục nghìn yên Nhật mỗi tháng và ước tính số giờ công để kiểm tra chất lượng có thể giảm xuống còn khoảng 1/10. Vì độ chính xác của hỗ trợ tiếng Nhật bị hạn chế so với tiếng Anh, chúng tôi khuyên bạn nên xác minh độ chính xác bằng cách sử dụng âm thanh mẫu cho PoC.

Người dùng dự định

Thích hợp cho việc tự động hóa QA của trung tâm cuộc gọi, phát triển các bot thoại đáp ứng cảm xúc, nhóm sản phẩm yêu cầu dữ liệu cảm xúc định lượng cho nghiên cứu UX và nhà phát triển ứng dụng sức khỏe tâm thần. Mặt khác, nếu mục đích chỉ đơn giản là chép lại hoặc tạo biên bản thì các công cụ chuyên dụng như Notta và tl;dv sẽ tiết kiệm chi phí hơn.

Phân tích cảm xúc giọng nói AI đọc cảm xúc từ giọng nói. Nó được cung cấp dưới dạng API để định lượng sự tức giận, niềm vui, nỗi buồn và lo lắng. Các ứng dụng thực tế đang tiến triển trong phân tích chất lượng phản hồi của trung tâm cuộc gọi, nghiên cứu người dùng và các ứng dụng hỗ trợ sức khỏe tâm thần. Đây là lớp cơ sở hạ tầng dành cho nghiên cứu và các ngành chuyên biệt chứ không phải SaaS nói chung và cần có hệ thống kỹ thuật để áp dụng.