Hume AI

Hume AIとは

Hume AIは、リアルタイム音声対話のEmpathic Voice Interface（EVI）と、文脈や演技指示を反映するOctave Text-to-Speechを提供する音声AIプラットフォームです。声の調子、リズム、間などを扱い、カスタマーサポート、ゲーム、学習、アクセシビリティ向けの音声体験をAPIで開発できます。文字起こし専用ではなく、音声認識、感情表現、応答生成、音声合成を一つに扱います。

主な機能

EVIの音声対話

EVIは話者の声の変化を測り、割り込みや会話の間を考慮しながら音声で応答します。EVI 4-miniは英語、日本語、韓国語など11言語を公式対応として掲載し、外部LLMを組み合わせます。1セッション最大30分です。

Octave TTSと音声設計

文章に「ゆっくり」「怒ったように」などの演技指示を加え、声の表現を生成できます。Octave 2は日本語を含む複数言語に対応します。プリセット音声、自然言語で設計した音声、クローンした音声をAPIで呼び出せます。

音声クローン・変換

自分の声を録音するか、権利と同意を得た話者の音声をアップロードしてクローンを作れます。音声変換は元の発話のタイミングや表現を保ちながら別の声へ変えます。他人の声を無断で複製せず、画面上の権利確認に正しく同意してください。

使い方

アカウントを作成し、PlatformのEVIまたはTTS Playgroundで短い日本語を試します。API利用ではキーを発行し、EVIのConfigにバージョン、声、システムプロンプト、言語モデルを設定します。音声クローンは権利を持つサンプルだけを使います。本番ではレート制限、30分上限、エラー処理、利用量アラートを実装してください。

無料版と料金

Freeは月0ドルでTTS1万文字、EVI5分を含み、新規アカウントには20ドルのクレジットがあります。Starterは月3ドルで3万文字、EVI40分。Creatorは通常月14ドルで初月7ドル、14万文字、EVI200分です。Proは月70ドル、Scaleは200ドル、Businessは500ドルで段階的に利用量が増えます。外部LLMをHume管理で使うと別料金が加算され、BYOKならHumeからLLM料金は請求されません。

日本語対応と商用利用

EVI 4-miniとOctave 2は日本語を公式対応しています。FreeとStarterは非商用利用に限定され、Creator以上に商用ライセンスがあります。生成音声を収益化する場合はCreator以上を選び、禁止用途と第三者の権利を守ります。利用者は入力・出力の権利を保持しますが、規約には入力をサービス改善・製品開発へ使う広いライセンスがあります。

向いている人

日本語の音声エージェントを試作する開発者、感情表現を持つキャラクターや学習アプリを作るチーム、演技指示でナレーションを作りたい制作者に向きます。単純な文字起こしだけが目的なら、より安価な専用サービスとも比較してください。

注意点

Free・Starterの出力を商用コンテンツへ使わないでください。クローンと変換には話者の明示的同意と必要な権利が必要です。Humeの通常設定ではコンテンツが米国などのシステムへ保存される場合があり、EVI APIにはZero Data Retention設定があります。健康、採用、評価など高リスク用途では、感情推定を事実や診断として扱わず、人間の判断と説明を用意します。