Hume AI 推出 Voice Control 功能 通过滑块操作即可实现个性化的语音定制

Hume AI 推出了名为 Voice Control 的新技术，这是基于可解释性的AI语音定制方法，无需语言描述，仅通过滑块操作即可实现个性化的语音定制。帮助开发者精准调整AI语音的个性化特征，同时避免语音克隆的潜在风险。

它可以让你像调音台一样调整AI生成的声音，让它更符合你的需求。你可以改变声音的性别感、自信度、热情、柔和程度等等，一共10个不同的维度。比如，你想让声音听起来更自信、更放松，或者更热情，都可以用简单的滑块调整。

技术特点

1. 语音属性控制
   Voice Control 提供了10个可调语音维度，包括：
   • 性别感（Masculine/Feminine）：声音的性别倾向，从更阳刚到更柔和。
   • 自信度（Confidence）：声音的笃定程度，从害羞到自信。
   • 热情度（Enthusiasm）：声音的情绪活跃度，从平静到热情。
   • 放松度（Relaxedness）：声音的紧张感，从紧绷到放松。
   • 平滑度（Smoothness）：声音的质感，从断续到流畅。 其他维度还包括声音的鼻音度、活力、紧致度等。
2. 精确可控
   • 提供从-100到100的连续调节范围，用户可以根据需要细致调整声音特性。
   • 调整后的语音属性在不同会话中一致可复现。
3. 避免语音克隆风险
   • 不直接复制真人语音，而是通过语音模型生成独特语音，降低隐私和安全风险。
4. 操作简便
   • 无代码界面：用户可以直接通过滑块实时预览和调整语音效果。
   • 实时生成：快速生成符合需求的语音，适用于实时应用。

应用场景

• 品牌化语音设计：为品牌或产品打造独特的语音形象。
• 情感化语音交互：用于医疗、客户服务、虚拟助手等需要情感表达的场景。
• 创意表达：为视频、游戏或虚拟角色定制专属声音。

技术实现与整合

1. 创建过程：
   • 选择基础语音模型。
   • 使用滑块调整10个语音属性。
   • 实时预览修改效果。
   • 部署到Empathic Voice Interface (EVI)平台。
2. 技术优势：
   • 语音调整独立性强，各特性之间互不干扰。
   • 修改后的语音在不同设备和场景中表现稳定。

未来展望

• 增加更多可调节语音维度。
• 提升极端参数调整下的语音质量稳定性。
• 开发更先进的语音分析与可视化工具。

原文：https://www.hume.ai/blog/introducing-voice-control