Hume推出Audio Decision API（音频决策接口），用自定义问题判定语音中的情绪与声音事件
美国AI（人工智能）公司Hume（美国人工智能公司）发布Audio Decision API（音频决策接口），输入原始音频并自定义问题与候选答案，返回带概率的结构化结果，可判断来电者是否沮丧或背景是否有警报声。
据公司博客，其初步评测中该模型与人类评审小组平均判断的一致率为70.7%，个体评分者基线为56.5%； 属公司内部初步评测，不是独立验证或临床效用证据。
Hume在博客中称，Audio Decision API（应用程序编程接口）为“音频原生”模型：原始音频输入，输出针对开发者所设问题的答案概率，支持是/否、多选、评分量表和片段跨度（如笑声、叹气、喘息的起止时间）等题型； 增加问题只需一行JSON（一种数据格式），无需重新标注或重新训练。
公司称该接口可在实时通话中每隔数秒提出数十个问题，并能在数分钟内让4万条录音可检索。 技术上，它基于Hume多年的情绪科学研究与数千万条关于人如何感知语音和声音的人类判断数据。 初步评测中，Hume的Audio Decision模型与人类评审小组平均判断的一致率为70.7%，个体评分者基线为56.5%。
Hume列出的应用包括评估和改进语音模型、为语音智能体提供语气线索，以及大规模检索和分析通话录音； 公司同时表示，实时与旁听类应用仍是随实时能力发展而推进的较长期机会。
这条发布把“情绪识别”从生成式描述转向结构化判定：开发者定义问题，模型给出概率，便于接入业务规则。 对心理陪伴与心理健康相关语音产品而言，它提示语气、停顿、叹气等非文字线索可以被批量提取； 但一致率对比是公司内部初步评测，与人类评审小组“平均判断”一致不代表识别个体真实情绪，也不等于可作筛查或诊断。
编辑判断：可作为语音侧情绪信号处理能力的观察点，不宜表述为情绪识别已达临床或心理评估水平。
后续观察信号
- 追踪Hume是否公开更多人类一致性评测细节
- 观察语音情绪判定在心理健康场景的合规与伦理讨论