返回快讯列表
工具上新

Hume 推出音频判断 API,可直接对语音和环境声音提问

开发者可自定义问题与答案选项,接口返回概率;API 目前需申请访问。

Hume AI 公布 Audio Decision API,面向需要判断语音和声音内容的应用。开发者可以提交音频、自定义问题和答案选项,让模型直接返回结构化判断与概率,无须先把录音完整转成文字。

接口支持是非题、多项选择、评分区间和音频片段定位。例如,客服团队可以分别询问是否有人打断、背景是否有噪声,或说话者是否听起来困惑,再结合转录文本处理。不同问题可以在同一音频上重复使用。

Hume 表示,接口可以用于实时通话分析和录音库检索,但说话人的情绪属于主观判断,不同听众可能意见不一。官方提供可试用的演示环境,正式 API 访问需加入候补名单;实际准确度需要用自己的录音和人工标注验证。团队同时提供问答指南和实时或上传文件的体验入口,供开发者设计适合自身业务的判断问题。

更多快讯