Hume AI、音声アプリを公開　EVI 2とClaude 3.5 Haikuを統合、登録不要で対話可能

最先端のAI音声対話を体験しようとすると、アプリのダウンロードや会員登録、有料プランへの加入を求められるのが一般的です。Hume AIはそのハードルを一気に下げてきました。

感情分析や音声AIを手がける同社は、ブラウザ上で動作する新しい音声対話アプリを公開しました。最大の特徴は、アカウント登録なしでWebサイトを開き、マイクをオンにするだけですぐに話しかけられる手軽さです。

自社モデルEVI 2とClaude 3.5 Haikuのハイブリッド

このアプリの仕組みは非常に合理的です。

声のトーンや発声、リアルタイムな音声処理には自社開発の音声言語モデル「EVI 2」を採用しています。一方で、背後にあるテキスト生成や知識処理には、Anthropicの軽量モデル「Claude 3.5 Haiku」などの外部言語モデルを組み合わせています。

アプリ内には複数のAIペルソナが用意されています。事実関係をテキパキ答える「クイックアンサー」、概念を深掘りする「哲学ディスカッション」、物語を紡ぎ出す「ストーリーテリング」など、用途に合わせて切り替えが可能です。

事実の精度は良好、物語の継続性には課題

海外メディアgetcoaiによる初期テストでは、優れた点と改善が必要な課題の双方が明らかになっています。

クイックアンサー機能は情報の正確性が高く、日常的な疑問に対して的確に回答できることが確認されました。

一方で、ストーリーテリング機能では同じセリフを繰り返したり、会話の途中で声の調子が突然変わったりする現象が報告されています。

また、異なるペルソナ間で回答内容が似通ってしまうケースもあり、キャラクターごとの明確な差別化にはまだ向上の余地があります。

なぜ重要か

音声AI市場では、OpenAIがChatGPTの高度なボイスモードを展開し、すでに大きな存在感を放っています。その中でHumeが選んだ「ログイン不要・ブラウザ直行」というアプローチは、非常に巧みな差別化です。

ユーザー側から見れば、個人情報の登録や課金の心配を一切せずに、感情表現豊かな音声対話を即座に試せる大きなメリットがあります。

技術的にも、音声処理という自社の強みに特化し、汎用的な知能は高コストパフォーマンスな外部LLMに任せる構成は、スタートアップにとって極めて賢明な戦略だと考えられます。

ただし、途中で声が変わったり発言がループしたりする課題が残る以上、現時点では実用ツールというより先進的なデモの域を出ていません。キャラクターごとの一貫性をどこまで高められるかが、今後の定着の鍵になります。