Hume lancia la sua Audio Decision API, che risponde con probabilità a domande su una registrazione
Hume AI ha presentato il 2 novembre un'API che analizza direttamente l'audio, senza trascrizione, e stima la quota di ascoltatori umani che risponderebbe sì a una domanda («il chiamante sembra infastidito?»). Accesso su lista d'attesa, 0,47 dollari per milione di token di input.
Hume AI, specialista nell’analisi vocale, ha presentato il 2 novembre 2026 l’Audio Decision API. Il principio: inviare una registrazione e alcune domande in linguaggio comune («Quante persone parlano?», «Qualcuno ride?», «Il chiamante sembra infastidito?») e ricevere, per ciascuna, una probabilità. Il modello ascolta direttamente l’audio, senza passare attraverso una trascrizione che perderebbe il tono, le pause o le sovrapposizioni del parlato.
Numeri, non frasi
La documentazione insiste su questo punto: l’API non elabora risposte né spiegazioni. Per una domanda sì/no, restituisce la quota stimata di ascoltatori umani che risponderebbe sì. Un valore vicino a 0,5 significa che gli esseri umani sarebbero divisi, non che il modello sia indeciso. Per una scelta tra opzioni o una scala, fornisce una probabilità per ciascuna opzione; per un evento (una risata, un rumore), intervalli temporali, funzione ancora sperimentale. Spetta al codice dell’applicazione stabilire le proprie soglie e decidere.
| Elemento | Secondo la documentazione di Hume |
|---|---|
| Input | un file MP3 o WAV per richiesta, da 5 s a 5 min |
| Domande | diverse per richiesta, elaborate in un’unica inferenza |
| Tipi di domande | sì/no, scelta, scala, intervalli (sperimentale) |
| Tariffa | 0,47 $ per milione di token di input, risposte non fatturate |
| Accesso | su richiesta, credito di prova di un milione di token |
L’annuncio riassume l’argomentazione commerciale: ciò che richiedeva «più di dieci modelli» verrebbe risolto in un’unica chiamata. I casi d’uso previsti sono gli agenti vocali (sapere se l’agente interrompe l’interlocutore, se suona naturale), i call center e l’analisi di lunghe ore di registrazioni.
Prestazioni da confermare
Hume sostiene che il suo modello, addestrato su oltre 10 milioni di giudizi umani, concorda con un panel di valutatori nel 70,7% dei casi, a fronte del 56,5% di un valutatore umano isolato, e che supera Gemini 3.8 Flash o Qwen3.8-Omni-Flash su una media di dieci test, con una latenza mediana di 0,23 secondi. Questi risultati sono pubblicati dallo sviluppatore e non sono stati verificati in modo indipendente.
La nostra lettura
L’idea di rispondere con una stima di ciò che penserebbero degli ascoltatori umani, anziché con un’etichetta «arrabbiato» presentata come un dato di fatto, è corretta: rende evidente il potenziale disaccordo e lascia la decisione allo sviluppatore. Ciò nonostante, non risolve tutto. Dedurre un’emozione da una voce rimane un processo fragile, e questi punteggi possono essere impiegati per valutare dipendenti o clienti a loro insaputa. In Europa, l’AI Act vieta già il riconoscimento delle emozioni sul posto di lavoro e nelle scuole, salvo ragioni mediche o di sicurezza: le aziende che intendono analizzare i propri operatori dovranno procedere con molta cautela. Per la valutazione degli agenti vocali, invece, lo strumento può rivelarsi rapidamente utile, a patto che i dati dichiarati da Hume trovino conferma nelle condizioni reali.
Fonti
- Hume AI su X — Introducing the Hume Audio Decision API (2 novembre 2026) Fonte primaria
- Hume AI — Decision Model API (pagina prodotto) Fonte primaria
- Hume — Audio Decisions, documentazione per agenti di codice Fonte primaria
- Hume — Audio Decisions, fatturazione Fonte primaria
- Regolamento (UE) 2024/1689 sull'intelligenza artificiale (AI Act), articolo 5 Fonte primaria — Divieto di riconoscimento delle emozioni sul posto di lavoro e negli istituti di istruzione
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.
