人工智能語音領域再迎重大突破!Hume AI近日推出了一款名爲OCTAVE的全新文本與語音引擎，該引擎能夠僅憑簡單的文本描述或一段5秒的語音錄音，即可生成或克隆出逼真的語音和人格特質，爲虛擬角色和人機交互帶來了無限可能。

OCTAVE的強大之處在於，它不僅能夠生成自然的語音，還能精確地模仿說話者的性別、年齡、口音、情緒語調以及職業特定的說話風格。這使得它能夠創造出高度個性化的虛擬角色，並讓用戶感受到更加真實的人機交互體驗。

更令人驚豔的是，OCTAVE能夠在毫秒級別內完成語音生成，實現了真正的實時對話，並且還允許用戶實時動態地調整生成內容。這意味着，用戶可以與虛擬角色進行流暢自然的實時對話，並根據需要隨時改變其說話風格和內容。

據瞭解，OCTAVE結合了Hume AI自研的EVI2模型以及OpenAI的語音引擎、Elevenlab的TTS語音設計和Google Deepmind的NotebookLM等多個系統的優勢，這使得它在語音生成和理解方面都表現出了卓越的性能。

OCTAVE還支持多個虛擬角色的語音生成，每個角色都可以擁有完全不同的語音風格、情緒和口音，甚至可以生成完整的播客內容。這爲內容創作者提供了極大的便利，讓他們能夠輕鬆地創作出多樣化的音頻內容。

此外，OCTAVE能夠生成豐富多樣的情緒語音，包括憤怒、興奮、悲傷、平靜等。它能夠捕捉微妙的語音變化，並通過不同情緒語調來增強自然交互感，更好地表現複雜的情緒。在理解文本語義的基礎上，OCTAVE生成的語音與當前主流語言模型（如GPT系列）的語言理解能力相當，確保了生成的語音內容準確且符合語境。

官網：https://www.hume.ai/blog/introducing-octave