Puntos clave
- Hume Audio Decision API responde preguntas directas sobre un audio, como cuántos hablan, si alguien ríe o si el interlocutor está frustrado.
- Está entrenada con más de 10 millones de juicios humanos para imitar la interpretación de un oyente real.
- Funciona en tiempo real o sobre grabaciones de varias horas, pero aún no tiene versión pública: solo se puede solicitar acceso.
Datos rápidos
| Desarrollador | Hume AI |
|---|---|
| Tipo de producto | API de análisis de audio |
| Funciones principales | Detección de hablantes, risas y emociones |
| Entrenamiento | Más de 10 millones de juicios humanos |
| Disponibilidad | Solo acceso anticipado, sin página oficial |
| Categoría | IA y modelos |
| Creador | Hume AI |
| Popularidad | 🔥 2,3M Popularidad |
| Publicado | |
| Última actualización |
Una sola llamada para entender el audio
Lo que antes requería más de 10 modelos, ahora es una sola llamada.
Hume AI ha anunciado su Audio Decision API, una interfaz diseñada para responder preguntas concretas sobre un archivo de audio sin necesidad de encadenar varios sistemas. Según la compañía, permite preguntar directamente cuántas personas hablan, si alguien se está riendo o si la persona que llama muestra frustración.
La propuesta es sustituir una pila de modelos especializados por una única llamada que devuelve una decisión interpretable. El anuncio se ha difundido con un vídeo breve y una invitación a solicitar acceso, sin que exista todavía una página oficial del producto.
Entrenada para escuchar como una persona
Entrenada con más de 10 millones de juicios humanos, responde como lo haría un oyente.
El modelo se ha entrenado con más de 10 millones de juicios humanos, lo que según Hume AI le permite responder de forma similar a como lo haría un oyente real. Esa orientación busca que las decisiones no se limiten a etiquetas técnicas, sino que reflejen interpretaciones cotidianas del audio.
La API está pensada para operar tanto en tiempo real como sobre grabaciones de varias horas, lo que amplía su posible uso desde llamadas en vivo hasta el análisis posterior de conversaciones extensas.
- Detección de hablantes
Responde cuántas personas participan en una conversación sin necesidad de un modelo aparte.
- Risas y emociones
Identifica si alguien se ríe o si el interlocutor muestra frustración, entre otras señales.
- Tiempo real o grabaciones largas
Funciona con audio en directo y con archivos de varias horas de duración.
Acceso limitado y preguntas abiertas
Solicita acceso a continuación.
Por ahora no hay una versión pública, descarga ni página oficial. Hume AI solo ha mostrado la API en un vídeo de presentación y ha abierto la posibilidad de solicitar acceso, sin detallar precios, límites de uso ni plataformas compatibles.
Queda por ver cómo se comporta con acentos, ruido de fondo o solapamiento de voces, y si realmente puede cubrir las funciones de más de diez modelos especializados. La comparación con otras soluciones de análisis de audio dependerá de los detalles técnicos que la compañía publique más adelante.
Preguntas frecuentes
¿Puedo usar ya la Hume Audio Decision API?
No. De momento solo se ha presentado en un vídeo y no hay versión pública ni página oficial. Para probarla, hay que solicitar acceso a Hume AI.
¿Qué tipo de preguntas puede responder?
Según el anuncio, puede indicar cuántos hablantes hay, si alguien se ríe o si la persona que llama está frustrada, entre otras cuestiones sobre el audio.
