Hume lanza su Audio Decision API, que responde con probabilidades a preguntas sobre una grabación
Hume AI presentó el 2 de noviembre una API que analiza directamente el audio, sin transcripción, y estima la proporción de oyentes humanos que respondería sí a una pregunta («¿parece molesto quien llama?»). Acceso mediante lista de espera, 0,47 dólares por millón de tókenes de entrada.
Hume AI, especialista en análisis de voz, presentó el 2 de noviembre de 2026 la Audio Decision API. Su funcionamiento consiste en enviar una grabación junto con preguntas en lenguaje cotidiano («¿Cuántas personas hablan?», «¿Alguien se ríe?», «¿Parece molesto quien llama?») y recibir, para cada una, una probabilidad. El modelo escucha el audio directamente, sin recurrir a una transcripción previa que perdería el tono, las pausas o el solapamiento de voces.
Cifras, no frases
La documentación insiste en este aspecto: la API no redacta respuestas ni explicaciones. Para una pregunta de sí/no, devuelve la proporción estimada de oyentes humanos que respondería sí. Un valor cercano a 0,5 significa que los humanos estarían divididos, no que el modelo dude. Para elegir entre varias opciones o puntuar en una escala, proporciona una probabilidad para cada opción; para un evento concreto (una risa, un ruido), ofrece intervalos de tiempo, una función que aún es experimental. Corresponde al código de la aplicación fijar sus propios umbrales y tomar las decisiones.
| Elemento | Según la documentación de Hume |
|---|---|
| Entrada | un archivo MP3 o WAV por solicitud, de 5 s a 5 min |
| Preguntas | varias por solicitud, procesadas en una sola inferencia |
| Tipos de preguntas | sí/no, opción múltiple, escala, intervalos (experimental) |
| Tarifa | 0,47 $ por millón de tókenes de entrada, respuestas no facturadas |
| Acceso | previa solicitud, crédito de prueba de un millón de tókenes |
El anuncio resume el argumento comercial: lo que antes requería «más de diez modelos» ahora se resolvería en una sola llamada. Los casos de uso previstos son los agentes de voz (saber si el agente interrumpe al usuario o si suena natural), los centros de atención telefónica y el análisis de grabaciones de larga duración.
Rendimiento pendiente de confirmación
Hume asegura que su modelo, entrenado con más de 10 millones de juicios humanos, coincide con un panel de evaluadores en el 70,7% de los casos, frente al 56,5% de un evaluador humano aislado, y que supera a Gemini 3.8 Flash o Qwen3.8-Omni-Flash en una media de diez pruebas, con una latencia mediana de 0,23 segundos. Estos resultados han sido publicados por la empresa desarrolladora y no han sido verificados de forma independiente.
Nuestro análisis
La idea de responder con una estimación de lo que opinarían los oyentes humanos, en lugar de asignar una etiqueta tajante de «enfadado» presentada como un hecho, es acertada: visibiliza la discrepancia inherente y deja la decisión en manos del desarrollador. Aun así, no resuelve todos los problemas. Deducir una emoción a partir de la voz sigue siendo un terreno frágil, y estas puntuaciones podrían utilizarse para calificar a empleados o clientes sin su conocimiento. En Europa, el AI Act ya prohíbe el reconocimiento de emociones en el lugar de trabajo y en las aulas, salvo por motivos médicos o de seguridad: las empresas que pretendan analizar a sus propios teleoperadores deberán andarse con pies de plomo. Para evaluar agentes de voz, en cambio, la herramienta puede resultar muy útil con rapidez, siempre que las cifras de Hume se sostengan en condiciones reales.
Fuentes
- Hume AI en X — Introducing the Hume Audio Decision API (2 de noviembre de 2026) Fuente primaria
- Hume AI — Decision Model API (página de producto) Fuente primaria
- Hume — Audio Decisions, documentación para agentes de código Fuente primaria
- Hume — Audio Decisions, facturación Fuente primaria
- Reglamento (UE) 2024/1689 sobre inteligencia artificial (AI Act), artículo 5 Fuente primaria — Prohibición del reconocimiento de emociones en el lugar de trabajo y en el ámbito educativo
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
