这个新的文本转语音 AI 模型可以理解它在说什么 - 如何免费试用

我测试了 Hume 的新 Octave 模型，结果给人留下了深刻的印象。现在您也可以尝试一下。

文本转语音 AI 模型对于通常使用人类配音演员的情况（例如有声读物、配音、广告等）来说是一个很好的工具。但是，由于这些模型不是人类并且不知道它们所说的内容，因此它们有时听起来明显像机器人。Hume 的新 AI 模型试图解决这个问题。

八度

周三，Hume 推出了 Octave，这是一种具有情境感知功能的文本转语音大型语言模型（LLM）。据该公司称，LLM 可以利用这种意识，根据其含义调整其语音的音调、节奏和音色。例如，支持 AI 的声音可以在阅读句子时传达出厌恶感。

除了理解文本的上下文之外，模型还可以采取方向。用户可以指示它 “冷静”、“耳语”、“恶心”、“愤怒” 等。Hume 说，Octave 相对于配音演员的优势在于，它可以接受任何声音，甚至可以根据用户描述发明一种新的声音。

例如，Hume 说，用户可以提供像 “wise wizard” 这样简单的提示，也可以提供像组合不同的口音、人口统计群体、职业角色等一样复杂的提示。从本质上讲，模型会单独在脚本上发明一个声音，但当出现提示时，它可以由脚本和描述来引导。

用户界面易于导航，有一个用于 Voice 的文本框，您可以在其中准确描述您希望语音听起来是什么样子，另一个用于 Script 的文本框，您可以在其中输入您希望模型说出的内容。在我的第一次测试中，我使用了详细的预制提示来查看它听起来如何。

点击“生成”后，Octave 生成了三个语音结果，第一次听时我印象深刻。虽然我不相信几代人都捕捉到了 “山谷女孩 ”的声音，但这些语调和音调给我留下了深刻的印象。

对于我的提示，我创建了一个场景，其中主扬声器因奔跑和匆忙而气喘吁吁。剧本上写着：“是的，我快到了终点线了。我很累，但我会继续努力，因为我快到了。回头见！再见。

我对这些结果同样满意。Octave 主要传达了我想要的东西，如果你因跑步而筋疲力尽，可以在喘息的地方放置适量的兴奋和停顿。但是，与前面的示例一样，该声音并不完全是我所描述的。在这种情况下，说话者说话的速度不是特别快。

总的来说，该模型的优势似乎在于将人类语音的细微差别置于其输出中。AI 声音经常暴露的是它们的单调性，使输出听起来很无聊。使用 Octave，您可以听到读者的情绪，无论是沮丧、失败还是疲倦。像 “ugh” 这样的词具有人类会使用的确切长度和呼吸，营造出引人入胜的体验。

访问该模型有不同的层级，包括具有 10,000 个字符限制（约 10 分钟）的免费层级和无限的字符语音（如果您想尝试一下）。除了免费套餐之外，还有六个额外的套餐，每月从 3 USD 到 900 USD 不等，具体取决于访问需求。

例如，入门级套餐每月 3 美元，包括 30,000 个字符（约 30 分钟），而商业套餐每月 900 美元，10,000,000 个字符（约 10,000 分钟）。还有一个 Enterprise 选项，可以根据您的需要进行自定义。您可以在 Hume 网站上查看所有产品并开始。