Hume Audio Decision API

Hume Audio Decision API（文档中也称 Audio Decisions API）是情感语音 AI 公司 Hume AI 于 2026 年 11 月 2 日 正式发布的 音频原生决策模型 API。开发者上传一段原始音频，并用自然语言写下问题（例如“来电者听起来是否沮丧？”“这段声音是否为 AI 合成？”“背景里有没有警笛？”），模型直接返回 各个答案的概率，而不是转写文本或生成回复。

Hume 称它是“首个回答语音与声音问题的音频原生模型”，用来补上语音智能体只读转写、听不到语气、停顿和叹气的短板。

核心机制

• 一次请求 = 一个音频文件 + 多个问题：所有问题在一次模型推理中回答。
• 四种问题原语：
  • noul：是/否判断，返回“会回答是的人类评审比例”；
  • choice：多选一，返回各选项概率；
  • score：有序量表打分，返回分数、置信度与分布；
  • span（实验性）：事件发生的时间段，适合笑声、叹气、环境音。
• 只返回数字：没有转写、解释或回复，由调用方代码设阈值、排序或组合，适合直接接入业务规则或智能体。
• 可附带 context 字段描述录音背景以提升效果。

规格与价格

据报道，模型基于 1000 万+ 条人类判断训练，与人类评审的一致率约 70.7%，高于单个听者之间的 56.5%。

典型场景

• 呼叫中心质检：批量判断通话中客户是否沮丧、是否多次要求转人工、坐席是否抢话。
• 语音智能体评测与实时监控：每隔几秒对直播/通话片段提问，触发升级或切换策略。
• 内容安全：识别 AI 合成语音、背景异常声音。
• 音频档案检索：把数万条录音按语气、事件快速打标签、可搜索。

上手步骤

1. 在 Hume Platform 申请访问并获取 API Key（含 100 万 token 试用额度）。
2. 阅读 dev.hume.ai 的 Audio Decisions 文档，先用 input_tokens 接口估算成本。
3. 用 cURL 或 SDK 发送一条 MP3/WAV 与几个 noul/score 问题，观察返回的概率。
4. 根据业务设定阈值，把结果接入工单、告警或智能体决策流程。