Hume AI 发布音频原生的 Hume Audio Decision API 1. 发布概况 Hume AI 于北京时间 11 月 3 日 00:00 发… · @divid_lu49394 · TwKit

@divid_lu49394

Hume AI 发布音频原生的 Hume Audio Decision API 1. 发布概况 Hume AI 于北京时间 11 月 3 日 00:00 发布了 Hume Audio Decision API[1]。这是一个音频原生模型，能够直接分析录音本身来回答用户提出的问题，例如说话人数量、是否有人在笑、来电者是否表现出不满。官方称，过去需要十个以上模型分别完成的分析，现在通过一次 API 调用即可完成。该模型基于超过 1000 万条人类判断数据训练，回答方式接近人类听者的判断，既可以实时运行，也可以处理长达数小时的录音[1]。TestingCatalog 于北京时间 01:45 跟进报道了此事[2]。 2. 功能与使用方式 2.1 自定义问题与答案形式 用户可以自行编写问题和答案选项，单次请求可针对同一段录音提出多个问题。答案形式分为是非题、多选题、量表评分和时间戳四类[2][3]。由于模型直接处理声音，它能够识别犹豫的停顿、叹气等在文字转写中会丢失的信息[3]。 2.2 置信度与不确定结果 每个问题的回答都附有置信度分数，用户可以自行设定阈值。当音频含义不明确时，结果会被标记为不确定[4]。 2.3 延迟与适用条件 官方在回复中表示，延迟一般为 200 至 500 毫秒，具体取决于所发送音频的长度，足以在通话过程中识别客户的不满情绪并及时作出调整[5]。官方还表示，只要语音清晰可辨，口音较重或带有背景噪声的电话音频也能获得稳定的识别效果[6]。 3. 开放方式 该 API 目前通过候补名单开放申请[3]。

曝光 37 · 评论 0 · 点赞 0 · 书签 0