Hume AI открыла Audio Decisions — модель отвечает на вопросы по аудиозаписи

Hume AI открыла доступ к Audio Decisions — модели, которая отвечает на вопросы по аудиозаписи. На вход идёт запись, вопрос к ней и список допустимых ответов; на выходе — вероятности по этим вариантам с оценкой уверенности.

Форматов ответа четыре: да или нет, выбор из вариантов, шкала оценок и отрезок времени внутри записи — например, когда именно в разговоре смеются или вздыхают. Спрашивать можно про язык, число и смену говорящих, эмоцию, акустическую обстановку и неречевые звуки.

Отличие от обычного распознавания речи в том, что модель не расшифровывает текст, а сразу отвечает на заданный вопрос о записи — расшифровка как промежуточный шаг не нужна.