智東西
編譯｜萬貴霞
編輯｜云鵬

智東西1月23日消息，谷歌正在通過“引入團隊+技術(shù)授權(quán)”的方式，加速補齊Gemini在語音與情感理解上的短板。

據(jù)TechCrunch與美國《連線》昨日報道，谷歌旗下DeepMind已與AI語音初創(chuàng)公司Hume AI達成授權(quán)合作協(xié)議。Hume AI創(chuàng)始人兼CEOAlan Cowen將與約7名核心工程師加入DeepMind，直接參與Gemini語音與情感智能的研發(fā)。

這筆交易并非整體收購，根據(jù)Hume AI新任CEO Andrew Ettinger的說法，谷歌獲得了Hume AI全部知識產(chǎn)權(quán)的非獨家使用權(quán)，相關(guān)技術(shù)將被整合進谷歌的模型研發(fā)流程，而Hume AI公司主體仍將獨立運營，并繼續(xù)向其他AI實驗室提供服務(wù)。

Hume AI的核心優(yōu)勢在于“情感智能”語音模型，該公司專注于通過語音信號識別用戶情緒與心理狀態(tài)。2024年其推出“共情語音接口”（Empathetic Voice Interface），并已累計融資約8000萬美元（約合人民幣5.6億元），預(yù)計今年營收可達1億美元（約合人民幣7億元）。

谷歌此次引入其核心團隊，被視為在語音體驗上正面迎戰(zhàn)ChatGPT語音模式的關(guān)鍵一步。

一、核心團隊加入DeepMind，主打“情感智能”的語音模型

據(jù)報道，Hume AI創(chuàng)始人兼前CEOAlan Cowen將與多名工程師加入谷歌DeepMind，主要任務(wù)是幫助谷歌將語音與情感智能整合進其前沿模型，提升Gemini在自然對話和情緒理解方面的能力。

▲Hume AI創(chuàng)始人Alan Cowen（圖源：Alan Cowen個人網(wǎng)站）

Cowen本人擁有心理學博士背景，這也被認為是Hume在“情感建模”方向上的重要優(yōu)勢。

此次交易的具體金額尚未披露。Hume AI新任CEO、投資人兼科技高管Andrew Ettinger告訴TechCrunch記者，谷歌獲得了Hume AI全部知識產(chǎn)權(quán)的非獨家使用權(quán)，相關(guān)技術(shù)將被整合進谷歌的研發(fā)流程，但公司并未被整體出售。

▲Andrew Ettinger繼任Hume AI CEO的消息（圖源：領(lǐng)英Andrew Ettinger個人主頁）

Hume AI將繼續(xù)對外提供技術(shù)服務(wù)，并計劃在未來幾個月內(nèi)發(fā)布新模型。Ettinger預(yù)計，Hume AI有望在今年實現(xiàn)約1億美元的營收目標。

Hume AI成立以來，始終聚焦一個相對細分但潛力巨大的方向——理解人類語音中的情緒與心理狀態(tài)。

2024年，Hume AI推出“共情語音接口”，其核心能力在于通過語音信號判斷用戶的情緒變化，并據(jù)此調(diào)整回應(yīng)方式。與傳統(tǒng)語音助手側(cè)重指令識別不同，Hume的模型試圖解決“用戶當下處于什么狀態(tài)”這一問題。

▲Hume AI官網(wǎng)頁面（圖源：Hume AI官網(wǎng)）

WIRED報道中提到，Hume AI在模型訓練過程中投入了數(shù)百萬美元，通過專家標注大量真實對話中的情緒線索，使模型能更精細地區(qū)分語氣、語調(diào)與情緒變化。

PitchBook數(shù)據(jù)顯示，Hume AI目前累計融資約8000萬美元，投資方包括AEGIS Ventures等機構(gòu)。

二、谷歌補齊Gemini語音短板，語音賽道全面升溫

對谷歌而言，引入Hume AI團隊并不意外。近年來，谷歌持續(xù)推進Gemini Live功能，允許用戶以語音方式與AI進行連續(xù)對話。

上個月，谷歌還發(fā)布了面向Live API的原生音頻模型，強調(diào)其在復雜流程處理方面的能力。但在“自然度”和“情感感知”層面，Gemini仍面臨來自O(shè)penAI等對手的壓力。

▲谷歌Gemini Live API概覽（圖源：谷歌Cloud）

在此背景下，Hume AI團隊被視為一個“即插即用”的補強方案。多位匿名消息人士向WIRED透露，Cowen及其團隊將在谷歌內(nèi)部，專注于將情感智能深度嵌入新一代模型。

Hume AI并非孤例。過去一年，語音能力正在成為AI廠商投入資源最多的方向之一。

本月初，AI語音生成公司ElevenLabs披露，其年度經(jīng)常性收入（ARR）已突破3.3億美元（約合人民幣23.1億元），顯示出市場對高質(zhì)量語音技術(shù)的真實需求。

與此同時，OpenAI被曝正在與前蘋果設(shè)計師Jony Ive團隊合作開發(fā)一款主打音頻功能的個人設(shè)備，為今年發(fā)布做準備。近期泄露的消息說，該設(shè)備可能是一款耳塞。

Meta同樣在加速布局。去年，Meta收購語音初創(chuàng)公司Play AI，其Ray-Ban智能眼鏡已越來越依賴語音輸入，在嘈雜環(huán)境下實現(xiàn)通話、信息與多媒體控制。投資人Vanessa Larco直言：“在可穿戴設(shè)備上，語音幾乎是唯一可行的輸入方式?！?/p>

▲Ray-Ban智能眼鏡（圖源：Reddit）

結(jié)語：“授權(quán)+挖人”成為常態(tài)，語音成為AI的“下一層接口”

值得注意的是，Hume AI的交易再次觸及一個監(jiān)管敏感問題：“收購式招聘”。與直接并購公司不同，大型科技公司通過引入初創(chuàng)團隊、獲取技術(shù)授權(quán)，往往可以繞開傳統(tǒng)并購所需的反壟斷審查。

類似案例已多次出現(xiàn)，谷歌此前以授權(quán)方式引入Character AI相關(guān)技術(shù)；微軟招募了Inflection團隊；亞馬遜引入Adept核心人員；Meta則挖走了Scale AI的CEO。

從當前趨勢來看，語音正在演變?yōu)锳I與人類交互的核心入口。對科技公司而言，理解“說了什么”只是第一步，更重要的是理解“為什么這樣說”“說話時的情緒狀態(tài)是什么”。

隨著語音、情感與多模態(tài)能力進一步融合，AI的競爭焦點正在從模型參數(shù)規(guī)模，轉(zhuǎn)向真實交互體驗的細節(jié)層面。

來源：《連線》雜志、TechCrunch