Hume 推出 Audio Decision API，直接分析音频语气并返回答案概率

AI 导读

Hume Audio Decision API 可直接根据音频片段回答自定义问题，无需先转录文本，并为每个答案返回概率。模型输入包含叹气、笑声、迟疑、重叠说话和背景声，因此能区分讽刺语气与积极表达；例如可询问来电者是否生气，并获得带置信度百分比的直接答案。

正文 · AI 翻译

语音中的很多含义都体现在表达方式上，而现在可以直接向模型询问这些含义。

Hume Audio Decision API 直接根据音频片段本身回答相关问题，无需经过转录步骤，并会为你定义的每个答案返回一个概率。

> 将叹气、笑声、迟疑、说话重叠和背景声音一并纳入模型输入。而转录文本会把所有这些信息都简化为相同的文字。

> 因此你可以这样询问：“这位来电者生气了吗？”并获得直接回答以及置信度百分比。

> 大多数 AI 评审是通过阅读文字转录稿来评判通话，这会丢失语气；但这个 API 会直接聆听声音本身，因此一句带讽刺意味的“哦，太完美了”不会再被判定为开心。