Hume 发布 Audio Decision API，直接从语音回答情感与说话人问题

Rohan Paul· @rohanpaul_ai · X·2026-11-03 00:56· 15 分钟前AI 评分53

AI 导读

Hume 推出 Audio Decision API，可直接从音频本身回答自定义问题（如有几个说话人、是否有人在笑、来电者是否沮丧），无需转写步骤，并为每个答案返回概率。该 API 将叹气、笑声、犹豫、重叠语音和背景声音纳入模型输入，支持实时或处理数小时录音，基于 10M+ 条人类判断训练。传统方案靠读取文本转写判断通话会丢失语气，该 API 直接听语音本身，能识别讽刺语气。

正文 · 原文

语音中的大量含义存在于表达方式之中，而现在可以直接就这一点向模型提问。

Hume Audio Decision API 直接从音频本身回答关于一段音频的问题，无需转写步骤，并为你定义的每个答案返回一个概率。

将叹气、笑声、犹豫、重叠语音和背景声音纳入模型输入。文本转写会把它们全都还原成同样的词。

因此你可以这样提问：“这位来电者生气了吗？”，并得到一个带有置信度百分比的直接答案。

大多数 AI 通过阅读文本转写来判断通话，这会丢失语气；但这一 API 直接聆听语音本身，因此一句讽刺的“哦，太好了”不再被算作开心。

https://x.com/hume_ai/status/2117285608745820372/video/1

来源：Rohan Paul · x.com