Hume Audio Decision API: анализ звука без распознавания текста

Компания Hume представила Audio Decision API, инструмент для анализа аудиоданных на основе искусственного интеллекта. Система принимает звуковой файл и текстовый запрос, возвращая структурированный ответ с меткой уверенности модели.

Традиционные подходы к обработке голоса сначала преобразуют речь в текст, что приводит к потере интонационных и паузационных данных. Новый API анализирует исходный аудиофайл напрямую, выступая слоем принятия решений для голосовых агентов без необходимости промежуточного распознавания.

API позволяет решать следующие задачи:

• Определение количества говорящих в потоке
• Поиск специфических звуковых событий, таких как смех
• Анализ прерываний между собеседниками в диалоге

Для обработки длинных записей рекомендуется разбивать файлы на сегменты и выполнять запросы по частям. Разработчикам следует проверять значения уверенности на собственных наборах данных, так как они не гарантируют абсолютной точности интерпретации эмоций.

Доступ к API предоставляется по запросу через страницу продукта. Документация и примеры использования доступны на официальных ресурсах компании.