Американський стартап Hume AI представив Octave 2 — нову модель генерації мови, яку вже називають найшвидшою на ринку. Заявлена затримка не перевищує 200 мілісекунд, тобто мова формується практично в реальному часі. Це відкриває можливості для чат-ботів, голосових помічників та будь-яких інтерактивних систем, де важлива природна пауза між репліками.
Octave 2 вільно працює 11 мовами, серед яких російська, англійська, французька, іспанська, китайська та інші. Модель вміє клонувати голоси, копіюючи тембр того, хто говорить з короткого зразка, змінювати голос під потрібну стать, вік та інтонації, керувати емоціями — від спокійного тону до яскраво вираженого емоційного — і навіть редагувати фонеми, щоб досягти точної вимови рідкісних слів, імен або брендів.
Порівняно з першою версією Octave нова модель стала приблизно на 40% швидшою, а вартість генерації знизилася майже вдвічі. Поліпшилася й якість звучання – від чіткості дикції до передачі інтонацій.
Octave 2 вже доступна для тестування прямо на сайті Hume AI та через API для розробників. У блозі компанії викладено приклади аудіо та відео, що демонструють можливості моделі. Із запуском Octave 2 Hume AI прагне зняти головний бар’єр у TTS – затримку. Тепер генерація мови відбувається настільки швидко, що стає можливим природний діалог людини та машини без звичних пауз.
Залишити відповідь