Hume научила голосовых агентов принимать решения по сырому аудио
Audio Decision API принимает запись и вопросы, а возвращает вероятности для заданных вариантов ответа.
Модель может находить перебивания, смех, вздохи, фоновые звуки и признаки интонации без промежуточного транскрипта.
В одном запросе можно сочетать вопросы да или нет, выбор варианта, шкалу и поиск временного отрезка.
Документация принимает MP3 или WAV длительностью от 5 секунд до 5 минут.
Почему важно
Голосовой агент получает доступ к паузам, интонации и наложению голосов, которые исчезают при сведении разговора к тексту.