أخبارنُشر:
Hume AI تطلق واجهة تسأل التسجيل الصوتي مباشرة وتجيب بالاحتمالات
واجهة Audio Decision API تقيّم النبرة والمشاعر والأصوات المحيطة في الملفات الصوتية دون تحويلها إلى نص، بأسئلة يكتبها المطوّر بنفسه.
أعلنت شركة Hume AI عن واجهة برمجية جديدة باسم Audio Decision API، وفكرتها بسيطة على الورق وطموحة في التطبيق: أن تطرح على التسجيل الصوتي سؤالًا مباشرًا، فتحصل على إجابة مرقّمة بالاحتمالات، من دون المرور بمرحلة تحويل الكلام إلى نص.
كيف تعمل؟
يرسل المطوّر ملفًا صوتيًا بصيغة MP3 أو WAV، تتراوح مدته بين خمس ثوانٍ وخمس دقائق، ومعه أسئلة يكتبها بلغة عادية، ويحدد بنفسه الإجابات الممكنة. وتدعم الواجهة أربعة أنواع من الأسئلة:
- نعم أو لا، مثل: هل يبدو المتصل منزعجًا؟
- اختيار من متعدد، مثل وصف نبرة موظف خدمة العملاء.
- مقياس تقييم، مثل درجة صبر المتحدث.
- مقاطع زمنية، مثل تحديد اللحظات التي يضحك فيها أحدهم أو يتنهد.
والنتيجة ليست نصًا ولا شرحًا، بل احتمالات تقدّر نسبة المستمعين البشر الذين كانوا سيختارون كل إجابة، ويقرر برنامج المطوّر ما يفعله بها.
ما الذي يميزها؟
النص المكتوب يحفظ الكلمات ويضيّع كل ما عداها: الصمت المتردد، والتنهيدة، والمقاطعة، وصوت صفارة في الخلفية. وتقول Hume إن نموذجها بُني على سنوات من أبحاثها في التعبير العاطفي وعلى ملايين التقييمات البشرية، وإنه حقق في تقييم أولي توافقًا بنسبة 70.7% مع متوسط حكم لجنة من المستمعين، مقابل 56.5% للمقيّم البشري الفرد. وهذه أرقام الشركة نفسها ولم تُختبر بشكل مستقل بعد.
لمن هذه الأداة؟
الاستخدامات الأوضح هي مراكز الاتصال التي تقيّم المكالمات، واختبار وكلاء المحادثة الصوتية، وتقييم جودة الأصوات المولّدة، وتصنيف أرشيفات التسجيلات. وأرى أن أهميتها تتجاوز ذلك إلى صناعة الدبلجة والأداء الصوتي، حيث يصعب قياس «الإحساس» في الصوت بالأرقام.
وتوفر الشركة مكتبات رسمية للغتي Python وTypeScript. التفاصيل في إعلان Hume الرسمي وتوثيق الواجهة.
المصدر: hume.ai