Hume AI , la startup spécialisée dans les interfaces vocales émotionnellement intelligentes, a lancé Voice Control , une fonctionnalité expérimentale qui permet aux développeurs et aux utilisateurs de créer des voix d’IA personnalisées grâce à une modulation précise des caractéristiques vocales – aucune compétence en codage, en ingénierie d’invite d’IA ou en conception sonore n’est requise.
Cette version s’appuie sur les bases posées par l’ancienne Empathic Voice Interface 2 (EVI 2) de la société, qui a introduit des fonctionnalités avancées en matière de naturel, de réactivité émotionnelle et de personnalisation.
EVI 2 et Voice Control évitent tous deux les risques de clonage vocal, une pratique qui, selon Alan Cowen, comporte des défis éthiques et pratiques.
Au lieu de cela, Hume se concentre sur la fourniture d’outils permettant de créer des voix uniques et expressives qui correspondent aux besoins des utilisateurs, tels que des chatbots de service client, des assistants numériques, des tuteurs, des guides ou des fonctionnalités d’accessibilité.
Au-delà des voix d’IA prédéfinies, vers des solutions personnalisées sur mesure
Le contrôle vocal offre aux développeurs la possibilité d’ajuster les voix selon 10 dimensions distinctes, notamment :
« Masculin/Féminin : La vocalisation du genre, allant du plus masculin au plus féminin.
Affirmation de soi : La fermeté de la voix, oscillant entre timide et audacieux.
Flottabilité : Densité de la voix, variant entre dégonflée et flottante.
Confiance : L’assurance de la voix, oscillant entre la timidité et la confiance.
Enthousiasme : L’excitation dans la voix, variant entre le calme et l’enthousiasme.
Nasalité : L’ouverture de la voix, allant de claire à nasale.
Détente : Tension dans la voix, oscillant entre tension et détente.
Douceur : La texture de la voix, allant du doux au staccato.
Tépidité : Vivacité derrière la voix, variant entre tiède et vigoureux.
Tension : La contenance de la voix, allant de serrée à haletante.
Cet outil sans code permet aux utilisateurs d’affiner les attributs de la voix en temps réel grâce à des curseurs virtuels à l’écran. Il est actuellement disponible dans l’aire de jeux virtuelle de Hume, qui nécessite une inscription utilisateur gratuite pour y accéder .
Cette version répond à un problème majeur du secteur de l’IA : la dépendance aux voix prédéfinies, qui ne répondent souvent pas aux besoins spécifiques des marques ou des applications, ou les risques associés au clonage des voix.
Cette focalisation sur la personnalisation s’aligne sur l’objectif plus large de Hume de développer une IA vocale émotionnellement nuancée.
Les efforts de l’entreprise pour faire progresser l’IA vocale ont été soulignés en septembre 2024 avec le lancement d’EVI 2, que l’entreprise a décrit comme une mise à niveau significative par rapport à son prédécesseur.
EVI 2 a amélioré la latence de 40 %, réduit les coûts de 30 % et étendu les fonctionnalités de modulation vocale, offrant aux développeurs une alternative plus sûre au clonage vocal.
Curseurs > invites de texte
L’approche axée sur la recherche de Hume joue un rôle central dans le développement de ses produits. La société, cofondée par Alan Cowen, ancien de Google DeepMinder, utilise un modèle propriétaire basé sur des enregistrements vocaux interculturels associés à des données d’enquête émotionnelle.
Cette méthodologie, ancrée dans la science des émotions, constitue l’épine dorsale d’EVI 2 et du tout nouveau Voice Control.
Le contrôle vocal étend ces principes en abordant les manières granulaires, souvent ineffables, dont les humains perçoivent les voix.
L’interface de l’outil, basée sur des curseurs, reflète les qualités perceptives courantes de la voix, telles que la flottabilité ou l’affirmation de soi, sans tenter de simplifier à outrance ces attributs au moyen d’invites textuelles.
Outils de développement
Le contrôle vocal est immédiatement disponible en version bêta et s’intègre à l’interface vocale empathique (EVI) de Hume, le rendant accessible à une large gamme d’applications.
Les développeurs peuvent sélectionner une voix de base, ajuster ses caractéristiques et prévisualiser les résultats en temps réel. Ce processus garantit la reproductibilité et la stabilité d’une session à l’autre, des fonctionnalités clés pour les applications en temps réel comme les robots de service client ou les assistants virtuels.
L’influence d’EVI 2 est évidente dans les capacités de contrôle vocal. Le modèle précédent a introduit des fonctionnalités telles que des invites de conversation et des capacités multilingues, qui ont élargi le champ d’application des applications d’IA vocale.
Par exemple, EVI 2 prend en charge des temps de réponse inférieurs à la seconde, ce qui permet des conversations naturelles et immédiates. Il permet également des ajustements dynamiques du style de parole pendant les interactions, ce qui en fait un outil polyvalent pour les entreprises.
Se différencier sur un marché concurrentiel
L’accent mis par Hume sur la personnalisation de la voix et l’intelligence émotionnelle le positionne comme un concurrent sérieux dans le domaine de l’IA vocale, même face à des rivaux bien financés tels qu’OpenAI avec son mode vocal avancé et ElevenLabs, qui proposent tous deux des bibliothèques de voix prédéfinies.
Hume continue de développer son approche innovante de l’IA vocale. Les projets d’extension du contrôle vocal comprennent l’introduction de dimensions modifiables supplémentaires, l’affinage de la qualité vocale sous des ajustements extrêmes et l’augmentation de la gamme de voix de base disponibles.
Avec le lancement de Voice Control, Hume renforce sa position de leader de l’innovation en matière d’IA vocale, en proposant des outils qui privilégient la personnalisation, l’intelligence émotionnelle et l’adaptabilité en temps réel. Les développeurs peuvent accéder dès aujourd’hui à Voice Control via la plateforme de Hume, marquant ainsi une nouvelle étape dans l’évolution des solutions vocales basées sur l’IA.
https://www.hume.ai/blog/introducing-voice-control
