Hume 发布 Audio Decision API：直接对原始音频提问，一次调用判断情绪、说话人数和背景声，官方称与人类评审一致率 70.7%
语音 AI 公司 Hume 11 月 2 日发布 Audio Decision API，号称首个「音频原生」的问答式决策模型：开发者上传原始音频，用一句话写问题并给出候选答案，接口返回每个答案的概率，不经过转写。支持是/否、多选、打分和时间片段四类问题，可判断说话人数、是否有人笑、来电者是否不耐烦、背景是否有警笛等。官方口径：训练用了 1000 万以上条人类判断，初步评测与人类评审平均判断的一致率为 70.7%（单个评审基线 56.5%）。目前需申请或加入候补名单获取访问权限。
核心要点速览
- 官方口径：初步评测中与人类评审平均判断一致率 70.7%，单个评审基线为 56.5%；评测样本量和语种未公布。
- 训练数据为 1000 万以上条人类感知判断（Hume X 帖子口径），博客称累计数千万条评审打分。
- 四类问题：是/否、多选、打分、时间片段，新增一个问题只需一行 JSON，无需标注或重新训练。
- 开发者接口为
POST /v0/decisions/file，另有输入 token 估算接口，提供 Python 和 TypeScript SDK。 - 官方称以前要 10 个以上模型组合的工作现在一次调用完成；价格官方未公布。
关联模型 / 智能体 / 厂商:
⚡ Hume Audio Decision Model🌐 Hume AI
