XNews

Hume AI 推出音频决策 API,用于语音 AI 查询

Hume AI 推出音频决策 API,用于语音 AI 查询

Hume AI 推出了 Hume Audio Decision API,这是一个可直接从音频中回答问题的单一模型,取代了此前需要 10 多个模型才能完成的任务。该 API 基于超过 1000 万条人类判断进行训练,可处理实时或长录音分析,在 10 项基准测试中平均准确率为 0.82,中位延迟为 0.23 秒。

事件版本 1.

Key insights

单次调用音频提问

Hume Audio Decision API 可直接从音频中回答诸如说话人数、笑声检测或来电者沮丧情绪等问题。Hume 表示,此前需要 10 多个模型才能完成的任务,现在只需一次调用。

基于人类判断训练

该模型基于超过 1000 万条人类判断进行训练。它与人类评分小组的一致率为 70.7%,而单个评分者的一致率为 56.5%。

基准准确率与延迟

Hume 报告称,在包括 MMAU、ParaPair 和 EmphAssess 在内的 10 项领先基准测试中,平均得分为 0.82。每个屏幕的中位延迟为 0.23 秒,Hume 表示这比 Gemini 3.8 Flash、Qwen3.8-Omni-Flash、Inkling-Small、gpt-audio-1.5、Gemini 3.5 Flash Lite 和 Nemotron 3 Nano Omni 更快且更准确。

实时与批量使用

该 API 支持实时分析以及对数小时录音的处理。问题可随时添加或更改,每个五秒音频块独立回答。

Source posts