返回首页
RadarAI··论文与技术

Hume 发布 Audio Decision API,直接从语音回答情感与说话人问题

中文摘要

Hume推出Audio Decision API,无需转写即可从音频识别情感、说话人及语气并返回概率,支持实时或长音频处理。

English Summary

Hume's Audio Decision API analyzes audio directly without transcription, identifying speakers, emotions, and tone nuances like sarcasm with probability scores.

原文节选

Hume 推出 Audio Decision API,可直接从音频本身回答自定义问题(如有几个说话人、是否有人在笑、来电者是否沮丧),无需转写步骤,并为每个答案返回概率。该 API 将叹气、笑声、犹豫、重叠语音和背景声音纳入模型输入,支持实时或处理数小时录音,基于 10M+ 条人类判断训练。传统方案靠读取文本转写判断通话会丢失语气,该 API 直接听语音本身,能识别讽刺语气。