北京
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+技術授權”的方式，加速補齊Gemini在語音與情感理解上的短板。
據TechCrunch與美國《連線》昨日報道，谷歌旗下DeepMind已與AI語音初創公司Hume AI達成授權合作協議。Hume AI創始人兼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。
這筆交易并非整體收購，根據Hume AI新任CEO Andrew Ettinger的說法，谷歌獲得了Hume AI全部知識產權的非獨家使用權，相關技術將被整合進谷歌的模型研發流程，而Hume AI公司主體仍將獨立運營，并繼續向其他AI實驗室提供服務。
Hume AI的核心優勢在于“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。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ChatGPT語音模式的關鍵一步。
一、核心團隊加入DeepMind，主打“情感智能”的語音模型
據報道，Hume AI創始人兼前CEOAlan Cowen將與多名工程師加入谷歌DeepMind，主要任務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創始人Alan Cowen（圖源：Alan Cowen個人網站）
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全部知識產權的非獨家使用權，相關技術將被整合進谷歌的研發流程，但公司并未被整體出售。
▲Andrew Ettinger繼任Hume AI CEO的消息（圖源：領英Andrew Ettinger個人主頁）
Hume AI將繼續對外提供技術服務，并計劃在未來幾個月內發布新模型。Ettinger預計，Hume AI有望在今年實現約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。
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，并據此調整回應方式。與傳統語音助手側重指令識別不同，Hume的模型試圖解決“用戶當下處于什么狀態”這一問題。
▲Hume AI官網頁面（圖源：Hume AI官網）
WIRED報道中提到，Hume AI在模型訓練過程中投入了數百萬美元，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分語氣、語調與情緒變化。
PitchBook數據顯示，Hume AI目前累計融資約8000萬美元，投資方包括AEGIS Ventures等機構。
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，谷歌持續推進Gemini Live功能，允許用戶以語音方式與AI進行連續對話。
上個月，谷歌還發布了面向Live API的原生音頻模型，強調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OpenAI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），顯示出市場對高質量語音技術的真實需求。
與此同時，OpenAI被曝正在與前蘋果設計師Jony Ive團隊合作開發一款主打音頻功能的個人設備，為今年發布做準備。近期泄露的消息說，該設備可能是一款耳塞。
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，在嘈雜環境下實現通話、信息與多媒體控制。投資人Vanessa Larco直言：“在可穿戴設備上，語音幾乎是唯一可行的輸入方式。”
▲Ray-Ban智能眼鏡（圖源：Reddit）
結語：“授權+挖人”成為常態，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團隊、獲取技術授權，往往可以繞開傳統并購所需的反壟斷審查。
類似案例已多次出現，谷歌此前以授權方式引入Character AI相關技術；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，語音正在演變為AI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”“說話時的情緒狀態是什么”。
隨著語音、情感與多模態能力進一步融合，AI的競爭焦點正在從模型參數規模，轉向真實交互體驗的細節層面。
來源：《連線》雜志、TechCrunch
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
