智东西

编译｜万贵霞

编辑｜云鹏

智东西1月23日消息，谷歌正在通过“引入团队+技术授权”的方式，加速补齐Gemini在语音与情感理解上的短板。

据TechCrunch与美国《连线》昨日报道，谷歌旗下DeepMind已与AI语音初创公司Hume AI达成授权合作协议。Hume AI创始人兼CEO Alan Cowen将与约7名核心工程师加入DeepMind，直接参与Gemini语音与情感智能的研发。

这笔交易并非整体收购，根据Hume AI新任CEO Andrew Ettinger的说法，谷歌获得了Hume AI全部知识产权的非独家使用权，相关技术将被整合进谷歌的模型研发流程，而Hume AI公司主体仍将独立运营，并继续向其他AI实验室提供服务。

Hume AI的核心优势在于“情感智能”语音模型，该公司专注于通过语音信号识别用户情绪与心理状态。2024年其推出“共情语音接口”（Empathetic Voice Interface），并已累计融资约8000万美元（约合人民币5.6亿元），预计今年营收可达1亿美元（约合人民币7亿元）。

谷歌此次引入其核心团队，被视为在语音体验上正面迎战ChatGPT语音模式的关键一步。

一、核心团队加入DeepMind，主打“情感智能”的语音模型

据报道，Hume AI创始人兼前CEO Alan Cowen将与多名工程师加入谷歌DeepMind，主要任务是帮助谷歌将语音与情感智能整合进其前沿模型，提升Gemini在自然对话和情绪理解方面的能力。

▲Hume AI创始人Alan Cowen（图源：Alan Cowen个人网站）

Cowen本人拥有心理学博士背景，这也被认为是Hume在“情感建模”方向上的重要优势。

此次交易的具体金额尚未披露。Hume AI新任CEO、投资人兼科技高管Andrew Ettinger告诉TechCrunch记者，谷歌获得了Hume AI全部知识产权的非独家使用权，相关技术将被整合进谷歌的研发流程，但公司并未被整体出售。

▲Andrew Ettinger继任Hume AI CEO的消息（图源：领英Andrew Ettinger个人主页）

Hume AI将继续对外提供技术服务，并计划在未来几个月内发布新模型。Ettinger预计，Hume AI有望在今年实现约1亿美元的营收目标。

Hume AI成立以来，始终聚焦一个相对细分但潜力巨大的方向——理解人类语音中的情绪与心理状态。

2024年，Hume AI推出“共情语音接口”，其核心能力在于通过语音信号判断用户的情绪变化，并据此调整回应方式。与传统语音助手侧重指令识别不同，Hume的模型试图解决“用户当下处于什么状态”这一问题。

▲Hume AI官网页面（图源：Hume AI官网）

WIRED报道中提到，Hume AI在模型训练过程中投入了数百万美元，通过专家标注大量真实对话中的情绪线索，使模型能更精细地区分语气、语调与情绪变化。

PitchBook数据显示，Hume AI目前累计融资约8000万美元，投资方包括AEGIS Ventures等机构。

二、谷歌补齐Gemini语音短板，语音赛道全面升温

对谷歌而言，引入Hume AI团队并不意外。近年来，谷歌持续推进Gemini Live功能，允许用户以语音方式与AI进行连续对话。

上个月，谷歌还发布了面向Live API的原生音频模型，强调其在复杂流程处理方面的能力。但在“自然度”和“情感感知”层面，Gemini仍面临来自OpenAI等对手的压力。

▲谷歌Gemini Live API概览（图源：谷歌Cloud）

在此背景下，Hume AI团队被视为一个“即插即用”的补强方案。多位匿名消息人士向WIRED透露，Cowen及其团队将在谷歌内部，专注于将情感智能深度嵌入新一代模型。

Hume AI并非孤例。过去一年，语音能力正在成为AI厂商投入资源最多的方向之一。

本月初，AI语音生成公司ElevenLabs披露，其年度经常性收入（ARR）已突破3.3亿美元（约合人民币23.1亿元），显示出市场对高质量语音技术的真实需求。

与此同时，OpenAI被曝正在与前苹果设计师Jony Ive团队合作开发一款主打音频功能的个人设备，为今年发布做准备。近期泄露的消息说，该设备可能是一款耳塞。

Meta同样在加速布局。去年，Meta收购语音初创公司Play AI，其Ray-Ban智能眼镜已越来越依赖语音输入，在嘈杂环境下实现通话、信息与多媒体控制。投资人Vanessa Larco直言：“在可穿戴设备上，语音几乎是唯一可行的输入方式。”

▲Ray-Ban智能眼镜（图源：Reddit）

结语：“授权+挖人”成为常态，语音成为AI的“下一层接口”

值得注意的是，Hume AI的交易再次触及一个监管敏感问题：“收购式招聘”。与直接并购公司不同，大型科技公司通过引入初创团队、获取技术授权，往往可以绕开传统并购所需的反垄断审查。

类似案例已多次出现，谷歌此前以授权方式引入Character AI相关技术；微软招募了Inflection团队；亚马逊引入Adept核心人员；Meta则挖走了Scale AI的CEO。

从当前趋势来看，语音正在演变为AI与人类交互的核心入口。对科技公司而言，理解“说了什么”只是第一步，更重要的是理解“为什么这样说”“说话时的情绪状态是什么”。

随着语音、情感与多模态能力进一步融合，AI的竞争焦点正在从模型参数规模，转向真实交互体验的细节层面。

来源：《连线》杂志、TechCrunch