Hume 推出首个语音 AI 决策模型

人类水平是标杆。Hume 诊断系统故障，并将失败反馈用于改进。人类水平是标杆。Hume 诊断系统故障，并将失败反馈用于改进。

播放一段远程医疗通话示例，每五秒音频回答三个相关问题。

示例通话麦克风上传文件监听中.. 停止远程医疗咨询0:00 / 0:56 0:000:140:280:420:56 上下文 临床医生与患者之间的远程医疗咨询。 患者听起来焦虑吗？ 单选下列哪项最能描述临床医生的语气？ 量表到结束时患者听起来有多安心？ 添加问题你可以随时添加或更改问题。 是/否/不确定已回答 12 个片段中的 0 个 · 每 5 秒的片段单独回答 语音 AI 会考虑语气、停顿和声音。开发者设置问答；音频决策模型给出概率，用于快速音频判断。 观看视频 不同的问题。相同的音频。 针对语音和声音提出客观、主观或感知性问题。选择一个标签页来浏览示例。 对同一批录音应用多个问题，从自然度和清晰度到共情度和节奏。 随着模型或标准变化，在你的数据集上重复评估。 为训练寻找候选示例，隔离评估失败案例，并标记需要升级审查的案例。 客户听起来沮丧为是问题已解决为否添加问题 通话 561:12 是71% 否63% 通话 9081:55 是66% 否48% 通话 1221:24 是68% 否50% 通话 870:58 是74% 否38% 通话 3412:07 是61% 否57% 比单个听者更可靠 加入等候名单 音频决策模型与人类群体的一致率为 70.7%，而单个真人评分者的一致率为 56.5%。 与人类评分者小组的一致率：音频决策模型 70.7%，单个评分者 56.5%。 准确率与速度对比：Hume 的决策模型在 10 个领先基准上平均得分 0.82，每次筛选的中位延迟为 0.23 秒，得分高于 Gemini 3.8 Flash、Qwen3.8-Omni-Flash、Inkling-Small、gpt-audio-1.5、Gemini 3.5 Flash Lite 和 Nemotron 3 Nano Omni，且回答更快。 音频决策模型在回答音频问题方面比市场上任何其他模型都更快、更准确。 覆盖你关心的各项标准的准确率。 这是 Hume 的音频原生决策模型。开发者提交音频、问题和可能的答案；模型为每个答案返回一个概率。它帮助团队评估语音和声音，评估声音给听众带来的感受，并为语音应用中的决策提供依据。 音频决策模型与语音转文字或通用音频 LLM 有何不同？ 我可以定义自己的问题并在一次 API 调用中提出多个问题吗？ 音频决策模型如何支持语音模型评估和训练？ 如何申请音频决策模型 API 访问权限？ 适配你的技术栈的音频决策。 发送音频、你的问题和可能的答案。音频决策模型会为每个答案返回一个概率 curl https://api.hume.ai/v0/decisions/file
-H "X-Hume-Api-Key: $HUME_API_KEY"
-F file=@support_call.wav
-F 'request={ "questions": { "background": { "type": "noul