在人類交談中，透過語調的變化可以傳達比文字更豐富的意義，然而目前主流的對話式AI技術多依賴將語音轉換成文字，再根據文字內容回應，這樣的方式往往忽視了語氣等關鍵因素。新創公司Hume AI最近推出了Empathic Voice Interface（EVI），這是一種聲音AI介面，能從語音中識別談話者的情緒，並透過生成式AI技術做出適當的回應。這項技術的應用，不僅能提升AI聊天機器人的服務品質，也可用於訓練和醫療等領域。
Hume AI在推出時宣布，EVI是首個具備情緒智能的對話式AI，依據數百萬次的人類互動資料學習，能夠預測對話者的心情與偏好，並能模仿23種不同的情緒，提供最適宜的語音反應，使對話更加貼近人性。該公司強調，EVI的目標是模仿人類自然的對話方式，旨在提升AI語音體驗的核心技術。特別值得一提的是，EVI還能透過語調判斷使用者何時停止說話，並即時回應，使對話流程更加自然。
Hume AI的行政總裁兼首席科學家Alan Cowen指出，語音交流比文字打字更快且能表達更複雜的意義，他相信語音會成為人類與AI互動的首選方式。他透露，公司正在改善情緒辨識模型，比如使AI能更適當地透過笑聲表達高興，以增進用戶的滿意度。EVI的API預計將於本月推出，開發者將能將其與其他應用結合，支援ChatGPT等模型。
Hume AI同時推出了EVI的線上試用版本，使用者可以自由地與AI進行語音對話，介面會顯示對話的逐字記錄及情緒分析結果，如好奇、興奮、疲勞等，並列出該句話語中最顯著的三種情緒。記者試用後發現，該系統能適當回應談話內容和情緒；例如，若判斷使用者感到疲勞，會詢問是否睡眠不足。然而，其回應會積極地根據用戶當前的情緒進行對話，並要求用戶解釋其情緒原因。
EVI技術有望提升AI對話機器人的回應能力，適用於線上服務、用戶體驗研究及陪伴機器人等數位工具。
