在人工智能的賽道上，“智商”一直是各大 AI 巨頭角逐的核心，然而，當其他 AI 模型還在卷參數、拼邏輯時，初創公司 Hume AI 用全新發布的第三代語音交互模型 EVI 3，拋出了一個全新命題：AI 的新形態，或許不是更聰明的最強大腦，而是更懂人心的“情感伴侶”。?

?

?
過去十年，AI 的進化軌跡清晰可見：從語音識別到圖像分類，從機器翻譯到自動寫作，技術突破始終圍繞認知智能展開。?

?
但即便這些 AI 能寫出以假亂真的詩歌，那些“智能”的對話機器人，本質上仍然是披著智能外衣的邏輯機器。它們可以模擬人類的語言模式，卻無法真正理解語言背后的情緒。

?
這種局限在一些真實場景中暴露無遺：客服機器人永遠聽不懂用戶的憤怒，教育 AI 無法感知孩子的挫敗感。AI 的定位就像一個冰冷的機器人，智能卻不智慧。

?

EVI 3 的誕生，正是要打破這種“智能天花板”。通過整合面部表情分析、語音情感識別、生理信號監測等多模態技術，這款情感計算引擎首次實現了對人類情緒的全息捕捉。

?

EVI 3 不僅限于少數幾種語音，而是可以通過提示創建任何你喜歡的聲音和個性。

?

目前，平臺已經創建 100,000 多種自定義語音，用戶可以與其中任何一種進行交談，無論聲音如何，它都會以各種情緒或風格做出回應。

?
這種完全個性化的語音體驗，就像一個不僅能讀懂你，還能實時響應的情感伴侶。

?

情感計算的三重突破

?

Hume AI 團隊將 EVI 3 的核心優勢總結為三大維度：深度、速度與溫度。

?

而 EVI3 的技術原理可以概括為以下幾個核心：

?

• 自回歸模型:基于單一的自回歸模型，同時處理文本(T)和語音V)標記。模型能將文本和語音輸入統一處理，生成自然流暢的語音輸出；
• 系統提示:系統提示包含文本和語音標記，提供語言指令，塑造助手的說話風格，根據不同的提示生成不同的語音和風格；
• 強化學習:基于強化學習方法，識別和優化任何人類聲音的首選特質，實現高度個性化的聲音生成；
• 流式處理:EVI 3用流式處理技術，在對話延遲內生成語音響應，確保實時交互的流暢性。
  ?
  
  ?

在測試中，系統對語音情緒的響應延遲低至 300 毫秒，這種毫秒級的共情能力，讓 AI 首次具備了參與實時情感互動的可能，為更多場景打開了想象空間。

?

在與 OpenAI 的 GPT-4o 進行的盲測對比中，EVI 3 在同理心、表現力、自然度、中斷處理、響應速度以及音頻質量等方面獲得了更高的平均評分。

?

【EVI 3 和 GPT-4o 整體對話體驗比較】

?

【比較各種目標情緒和風格的表現】

?

【情緒反應的自然性比較】

?

當然，兩者的技術路線存在根本分歧，才造就了這種代際差距。

?

GPT-4o 沿襲了傳統 NLP 模型的“文本中心主義”，其情感理解建立在語言模型的概率推斷之上。

?

而 EVI 3 則構建了“視覺-聽覺-生理”多模態融合架構，通過捕捉人類最本真的情感表達信號，實現了對情緒的“第一性原理”級理解。

?

誠然，EVI 3 開創了一個新的賽道。但面臨的挑戰同樣巨大：如何建立高質量的情感數據集？如何平衡技術精度與隱私保護？如何定義 AI 情感服務的倫理邊界？這些問題的答案還需要漫長的探索階段。

?

而對于普通用戶，我們或許正在見證一個溫暖時代的到來。當 AI 不僅能回答問題，更能感知你的情緒，人機關系或將迎來質的飛躍，一個全新的賽道或許已經開啟。