Hume AI представила Audio Decisions: модель отвечает на вопросы по голосовым записям.
Hume AI открыла доступ к Audio Decisions. Решение принимает запись разговора, вопрос к ней и перечень допустимых ответов, а на выходе выдаёт вероятности по этим ответам с оценкой уверенности.
Форматов ответа четыре: да или нет, выбор из вариантов, шкала оценок и отрезок времени внутри записи, когда, например, смеются или вздыхают.
Какие вопросы можно задавать
Модель принимает вопросы про:
- язык и речь;
- число и смену говорящих;
- эмоцию;
- акустическую обстановку;
- неречевые события;
- динамику разговора;
- намерение и исход;
- социальные сигналы.
Набор вопросов можно поменять по запросу без дополнительной разметки и дообучения, а порог уверенности привязывается к правилам заказчика.
Продукт нацелен прежде всего на контакт-центры, где звонки оценивают по фиксированной рубрике, а её модификация выливается в отдельный проект.
По заявлению Hume AI, на живом звонке модель успевает отвечать на десятки вопросов каждые несколько секунд, а архив из 40 тысяч записей открывает для поиска за минуты.
В примере из анонса голосовой агент в розничной торговле проверяет неуверенность и раздражение в голосе, число говорящих, фоновый шум и намерение покупателя, а затем отдаёт эти ответы языковой модели вместе с транскриптом, чтобы та решила, подождать, уточнить или передать разговор человеку.
Тесты
Hume AI ставит себя впереди Gemini 3.8 Flash, Qwen3.8-Omni-Flash, Inkling-Small, gpt-audio-1.5, Gemini 3.5 Flash Lite и Nemotron 3 Nano Omni.
В сравнении с людьми модель совпала со средним мнением группы слушателей в 70,7% случаев против 56,5% у отдельного оценщика.
Доступ открывают по заявке в листе ожидания на странице продукта. Цена составляет 47 центов за миллион входных токенов.
Ещё новости:
