AI и дата-центры
Hume открыла Audio Decision API: одна модель отвечает на любые вопросы о звуке
Публикация:
Разработчик задает вопрос и варианты ответов, а модель возвращает вероятность для каждого: без расшифровки, напрямую по звуку.
Hume открыла Audio Decision API на базе своей аудио-нативной модели решений: разработчик отправляет запись, вопрос и возможные ответы, а модель возвращает вероятность для каждого ответа. Расшифровка в текст для этого не нужна: модель слушает сам звук, поэтому слышит тон, паузы, число говорящих и фоновые шумы.
По замерам самой Hume, модель совпадает с коллективным суждением панели слушателей в 70.7% случаев, а отдельный человек сходится с панелью в 56.5%. Средний балл по 10 отобранным компанией бенчмаркам составил 0.82, медианная задержка на экран 0.23 секунды. Компания не раскрыла набор из 10 бенчмарков, поэтому воспроизвести сводный балл независимо пока нельзя.
Один вызов заменяет связку узких моделей: диаринзацию, определение языка, детекцию смеха и классификацию эмоций. Вопросы задаются в форматах да/нет, выбор, шкала и отрезок, а архив можно прогнать пакетно и найти, например, все звонки, где клиент звучал расстроенно. Для живых звонков вероятности можно встраивать в маршрутизацию и эскалацию.
Доступ пока ограничен листом ожидания, а цены на странице продукта не опубликованы.