Hume, 오디오 의사결정 모델 출시: 한숨, 말 끼어들기, 짜증 섞인 어조를 감지하고 직접 점수까지 매긴다

동찰 Beating AI 속보, Hume가 Audio Decision API를 출시해 녹음에 직접 질문할 수 있게 되었다. 예를 들어 「몇 명이 말하고 있는가?」「상담원이 고객의 말을 끊었는가?」「고객이 짜증난 것처럼 들리는가?」 등을 물을 수 있으며, 웃음소리나 한숨이 나타난 구체적인 시점도 찾아낼 수 있다. 한 번에 최대 25개의 질문을 할 수 있고, 사전에 텍스트로 변환할 필요 없이 모델이 판단 결과와 확률을 제시한다.

과거에는 한 통화의 화자 수, 감정 변화, 말 끊기 행동, 배경 소음을 판단하려면 보통 여러 전용 모델을 조합해야 했다. 분석 작업이 하나 늘어날 때마다 전체 파이프라인을 조정해야 할 수 있었다. Hume는 이러한 판단을 동일한 모델에 맡겨 녹음을 직접 듣고 질문에 답하게 했다. 개발자는 질문만 수정하면 새로운 음성 특징과 대화 행동을 분석할 수 있으며, 모델을 재훈련하거나 전용 분류기를 설계할 필요가 없다. 하나의 인터페이스로 다양한 오디오 분석 작업을 커버할 수 있다.

이 모델은 1,000만 건 이상의 인간 판단 데이터로 훈련되어, 일반인이 같은 음성을 들었을 때의 반응을 예측하려 한다. 예를 들어 70%의 「짜증」을 출력하면 약 70%의 청취자가 상대의 말투를 짜증난 것으로 느낄 것으로 예상된다는 의미다. 공식 초기 테스트에서 모델과 다수 평가자 합의의 일치율은 70.7%로, 단일 인간 평가자의 56.5%보다 높았다.

Hume가 공개한 10개 오디오 벤치마크 평균 점수는 82%로, Gemini 3.8 Flash의 78%와 Qwen3.8-Omni-Flash의 76%보다 높다.

API는 현재 여전히 권한을 신청해야 하며, 100만 입력 Token당 0.47달러가 부과된다. 공식 예시에 따르면 5분 통화 한 건을 분석하는 데 약 1.2센트가 든다. 한 번에 5초에서 5분 길이의 오디오를 지원하며, 실시간 분석에는 짧은 오디오 조각을 연속으로 제출해야 한다.