Hume Audio Decision API отвечает на вопросы о звуке напрямую

Hume бахнули Audio Decision API. Он принимает звук и вопрос, а возвращает структурированный ответ с оценкой уверенности. Примеры разработчика: определить число говорящих, найти смех или проверить, прерывают ли собеседники друг друга.

Обычная схема сначала превращает речь в текст, а затем отправляет расшифровку языковой модели. При этом часть информации о паузах, интонации и звуках теряется. API Hume анализирует исходное аудио и подходит как слой принятия решений для голосового агента: распознавание и озвучивание реплик могут оставаться отдельными компонентами.

В записи демонстрации Hume показывает пакетный разбор звонков. Для длинных файлов документация предлагает делить запись на части и выполнять запросы по сегментам. Значение уверенности стоит проверять на собственных данных: оно не гарантирует правильную трактовку эмоций. Доступ к API предлагается запросить на странице продукта.

#Hume #AudioAI #ГолосовыеАгенты

Источники
https://www.hume.ai/blog/introducing-hume-audio-decision-api
https://dev.hume.ai/audio-decisions/docs/overview
https://www.hume.ai/products/decision-model-api

@cgevent