基于 54 种情绪分数和自由式情绪说明的条件化

我们发布了一套用于语音和面部情绪检测的多个模型。Empathic Insight Voice 可以检测 54 个描述人类声音的评分。它在我们新的心理学专家标注基准 EmoNet-Voice 上优于 Hume API 和 Gemini 2.5。我认为在 54 个评分上对文本到语音模型进行条件化，可以精细控制情绪和其他属性，如粗糙/柔和、温暖/冷、平静/兴奋等。此外，使用我们的 Bud-E 低语音对文本到语音进行条件化，以描述情绪的自由形式说明也是非常不错的。