Hume 发布首个音频原生决策模型,直接对录音提问返回结构化判断
testingcatalog · x · 2026-11-03
Hume AI 推出号称首个「音频原生决策模型」及 Audio Decisions API,API 候补名单已开放。
- 模型直接处理声音本身,能捕捉犹豫停顿、叹气等非语言信号,不依赖转写文本,也无需为每个任务单独建模。
- 用户可对一段录音一次性提出多个问题,支持是非题、选择题、量表打分、时间戳等多种结构化答案形式,官方场景包括客服通话情绪识别、语言识别、背景噪音评估等。
- 官方称模型基于 1 亿+ 语音样本与 10+ 年情绪科学研究,支持 50+ 语言,宣称被 7 家头部 AI 实验室中的 5 家使用。
所属事件:Hume AI 发布音频原生决策模型 Audio Decision API(6 条相关)→
「多模态」频道最新
- Every 用 Midjourney 加 Codex 打造交互式插画工具链讲述 Codex 故事 — every · 2026-11-03
- AssemblyAI 发布首款语音合成模型 TTS-1，专为实时语音 Agent 打造 — AssemblyAI · 2026-11-03
- Point2Part 把 3D 分割重定义为完整切分，速度比 GPT-6-Astra 快数百倍 — Scobleizer · 2026-11-03
- 开发者一次性用 Cursor 造出 YouTube 视频语音翻译工具 — Nilofer_tweets · 2026-11-03
- 微软赞助恐怖短片《Mama Bear》,片中神秘手机或暗示新品 — adariostrange · 2026-11-03
- Runway 上季单季新增 1 亿美元 ARR，联创对谈视频与世界模型 — tlakomy · 2026-11-03