Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Hume AI

Beantwortet Fragen in Alltagssprache zu einer Aufnahme, von Emotion bis Hintergrundgeräusch; Humes Sprachprodukte endeten am 13. November.

Getestet von ReviewRamble editors · Aktualisiert

Hume AI besuchen Nach Nutzung

Diese Seite teilen:XLinkedInFacebookRedditWhatsAppE-Mail

Unsere Bewertung

3.4/5

Humes Frage-und-Antwort-API für Audio ist klug und billig, aber eine Firma, die ihre Sprachprodukte mit sechs Wochen Vorlauf abgeschaltet hat, muss erst wieder Vertrauen gewinnen, bevor du darauf baust.

Was ist Hume AI?

Hume AI mit Sitz in New York ist inzwischen eine Firma für Audioanalyse. Ihre Audio Decisions API, gestartet am 2. November 2026, nimmt eine MP3- oder WAV-Datei von 1 Sekunde bis 5 Minuten und bis zu 25 selbst formulierte Fragen an, etwa "Wie frustriert klingt der Anrufer?" oder "Läuft Hintergrundmusik?". Sie gibt Wahrscheinlichkeiten zurück, keinen Text: ein Ja oder Nein, eine Auswahl, einen Wert auf einer Skala oder die Zeitabschnitte, in denen etwa ein Lachen vorkommt. Jede Wahrscheinlichkeit schätzt den Anteil menschlicher Zuhörer, die so antworten würden. Laut Hume wurde das Modell mit zig Millionen Urteilen von Zuhörern trainiert und stimmte in 70,7% der Fälle mit dem Durchschnitt eines Panels überein, gegenüber 56,5% bei einem einzelnen menschlichen Bewerter.

Humes Sprachprodukte gibt es nicht mehr. Das Empathic Voice Interface (EVI) für Sprachagenten und die Text-to-Speech-API Octave wurden am 13. November 2026 um 12:01 Uhr EST abgeschaltet, nach einer Ankündigung vom 2. Oktober, und laut Hume werden verbliebene Daten in diesen Konten dauerhaft gelöscht. Gespeicherte und geklonte Octave-Stimmen ließen sich nicht exportieren. Die Entwicklerdoku führt nur noch Audio Decisions und die ältere Expression Measurement API. Im Januar 2026 wechselten Gründer Alan Cowen und mehrere Ingenieure im Rahmen eines Lizenzabkommens zu Google DeepMind; Hume blieb unabhängig, geführt von Andrew Ettinger.

Lohnt sich Hume AI?

Das Transkript eines Support-Anrufs sagt dir, was der Kunde gesagt hat. Es sagt dir nicht, dass sein "Alles gut" flach und müde klang oder dass ein Hund bellte und der Agent ihm ins Wort fiel. Für solche Antworten musste man bisher meist getrennte Modelle für Sprecherzahl, Emotion, Sprache und Hintergrundgeräusche verketten.

Humes Audio Decisions API fragt all das in einer einzigen Anfrage ab. Du schreibst die Fragen in Alltagssprache, hängst bis zu 5 Minuten Audio an und bekommst Zahlen zurück, mit denen dein Code arbeiten kann: die Wahrscheinlichkeit, dass der Anrufer frustriert klingt, die Sekunden, in denen jemand lacht. Sie transkribiert nie, ergänzt also einen Speech-to-Text-Dienst wie AssemblyAI, statt ihn zu ersetzen. Hume sagt, sie habe Gemini 3.8 Flash, gpt-audio-1.5 und andere in 10 Benchmarks mit einem Schnitt von 0,82 geschlagen, allerdings in Humes eigenen Tests.

Der Preis ist der Reiz. Humes Abrechnungsdoku setzt einen 5-minütigen Support-Anruf mit sechs Fragen bei etwa 26.400 Eingabe-Tokens an, bei $0.47 pro Million also gut einen Cent. Einen laufenden Anruf in 5-Sekunden-Clips zu überwachen kostet etwa 6.400 Tokens pro Minute. Antworten werden nicht berechnet, abgelehnte Anfragen auch nicht.

Der Haken: Das ist eine v0-API hinter einer Warteliste, von einer Firma mitten im Umbau. Am 2. Oktober gab Hume Entwicklern sechs Wochen, bevor EVI und Octave abgeschaltet wurden, mit anschließender Löschung der Kontodaten und geklonten Stimmen, die sich nicht exportieren ließen. Humes Doku sagt außerdem, das Modell könne ohne API-Änderung aktualisiert werden, Antworten können sich also unter deinen eingestellten Schwellenwerten verschieben. Die Datenschutzbedingungen lassen Lücken für ein Produkt, das Stimmen von Menschen verarbeitet. Humes API Data Usage Policy sagt, Hume nutze von Kunden übermittelte Daten nicht zum Training eigener Modelle, aber diese Seite ist undatiert und nennt dieses Produkt nicht, die allgemeine Datenschutzerklärung (zuletzt im Februar 2025 aktualisiert) schließt API-Inhalte aus, und die Doku sagt nicht, wie lange hochgeladenes Audio gespeichert wird. Jede Anfrage wird als Run protokolliert, der die Anfrage und die Größe des Audios speichert; ob das Audio selbst gespeichert wird, ist nicht veröffentlicht.

Unser Fazit: Um einen Testsatz synthetischer Stimmen zu bewerten oder Stichproben aus einem Anrufarchiv zu ziehen, sind die Kosten so niedrig, dass das Risiko klein bleibt; als Emotionsschicht eines Live-Produkts braucht es einen unterschriebenen Auftragsverarbeitungsvertrag und einen Plan für den Tag, an dem Hume wieder die Richtung wechselt.

Wo es sich lohnt

  • Ein Voice-AI-Team, das vor dem Start Text-to-Speech-Modelle testet

    Tausende generierte Clips auf Natürlichkeit, Aussetzer und Aussprachefehler bewerten

    Jeden 10-Sekunden-Clip mit drei Fragen senden; Humes Abrechnungsdoku schätzt etwa 1.000 Tokens pro Clip, 10.000 Clips sind also etwa 10M Tokens oder $4.70. Hume bewirbt das auch als Feedback zum Trainieren von Stimmen.

  • Eine Qualitätsleiterin in einem Contact Center

    Jeden Anruf finden, in dem der Kunde frustriert klang und der Agent ihm ins Wort fiel

    Dieselben Fragen über eine Stichprobe aufgezeichneter Anrufe laufen lassen, lange Anrufe mit dem SDK in 5-Minuten-Teile zerlegen und hohe Werte an menschliche Prüfer geben. Vor dem Senden von Kundenstimmen einen Auftragsverarbeitungsvertrag über legal@hume.ai einholen.

  • Ein Entwickler, der einen Sprachagenten auf dem Sprach-Stack eines anderen Anbieters baut

    Dem LLM des Agenten Hinweise auf den Tonfall geben, nicht nur das Transkript

    5-Sekunden-Clips des Anrufers parallel zu Speech-to-Text senden und die Wahrscheinlichkeiten mit den Geschäftsregeln an das LLM geben. Laut Humes Doku brauchen die meisten Fragen 5 Sekunden Audio oder mehr, um verlässlich zu sein.

Bevor du dich festlegst

Einrichtung
Auf die Warteliste setzen; nach der Freischaltung einen API-Schlüssel auf der Hume Platform anlegen und einen Multipart-POST an https://api.cloud.hume.ai/v0/decisions/file mit dem Header X-Hume-Api-Key senden, oder das Python-SDK hume-audio-decisions bzw. das TypeScript-SDK @humeai/audio-decisions installieren.
Integrationen
Nur REST über HTTP, SDKs für Python und TypeScript, ein Audio-Decisions-Skill für Claude Code, Codex und Cursor sowie ein Doku-MCP-Server. Keine Transkript-Ausgabe; mit einer Speech-to-Text-API kombinieren.
Daten und Datenschutz
Humes API Data Usage Policy sagt, Hume nutze von Kunden übermittelte Daten nicht zum Training eigener Modelle. Wie lange zu Audio Decisions hochgeladenes Audio gespeichert wird, ist nicht veröffentlicht; Runs speichern die Anfrage und die Audiogröße. SOC-2-Bericht auf Anfrage. Kontodaten von EVI und TTS wurden nach dem 13. November 2026 gelöscht. Welche KI-Tools trainieren mit deinen Daten?
Kosten im großen Maßstab
$0.47 pro 1M Eingabe-Tokens. Humes Schätzungen: ein 5-minütiger Anruf mit sechs Fragen etwa 26.400 Tokens; Live-Überwachung in 5-Sekunden-Clips etwa 6.400 Tokens pro Minute. Mengenpreise über den Vertrieb.
Grenzen
Eine MP3- oder WAV-Datei von 1 Sekunde bis 5 Minuten und bis zu 25.000.000 Bytes pro Anfrage; bis zu 20 Auswahl-, Skalen- oder Ja-Nein-Fragen und 5 Zeitabschnitt-Fragen; Kontext bis 1.000 Zeichen; 600 Anfragen pro Minute und Organisation.

Was gut ist

  • Fragen in Alltagssprache zu Audio, als Wahrscheinlichkeiten in einem Aufruf beantwortet
  • Etwa ein Cent für einen 5-minütigen Anruf mit sechs Fragen, bei $0.47 pro 1M Tokens
  • Hört Tonfall, Überlappungen und Hintergrundgeräusche, die ein Transkript verliert
  • 600 Anfragen pro Minute und Organisation; SDKs für Python und TypeScript
  • Nach eigener Aussage kein Training mit von Kunden übermittelten API-Daten

Was nicht

  • EVI und Octave TTS am 13. November 2026 eingestellt, Kontodaten gelöscht
  • Zugang per Warteliste und eine v0-API, deren Antworten sich mit Modell-Updates ändern können
  • Aufbewahrung des hochgeladenen Audios ist nicht veröffentlicht
  • Kein Transkript, du brauchst also weiter einen eigenen Speech-to-Text-Dienst
  • Benchmark-Angaben stammen von Hume selbst

Am besten für

Entwickler, die synthetische Stimmen bewerten oder Anrufaufnahmen stichprobenartig prüfen, Urteile über Tonfall und Klang als Zahlen wollen und mit einer v0-API auf Warteliste leben können.

Alternativen zu Hume AI

Hume AI: häufige Fragen

Lohnt sich Hume AI?
Humes Frage-und-Antwort-API für Audio ist klug und billig, aber eine Firma, die ihre Sprachprodukte mit sechs Wochen Vorlauf abgeschaltet hat, muss erst wieder Vertrauen gewinnen, bevor du darauf baust. Wir bewerten es mit 3.4 von 5.
Was kostet Hume AI?
Audio Decisions: $0.47 pro 1M Eingabe-Tokens, ohne Bindung, mit 1M Tokens Testguthaben nach Freischaltung. Zugang über Warteliste. Enterprise-Mengenpreise und Betrieb in eigener VPC, vor Ort oder im Land auf Anfrage. EVI und Octave TTS wurden am 13. November 2026 eingestellt.
Welche Nachteile hat Hume AI?
EVI und Octave TTS am 13. November 2026 eingestellt, Kontodaten gelöscht; Zugang per Warteliste und eine v0-API, deren Antworten sich mit Modell-Updates ändern können; Aufbewahrung des hochgeladenen Audios ist nicht veröffentlicht; Kein Transkript, du brauchst also weiter einen eigenen Speech-to-Text-Dienst; Benchmark-Angaben stammen von Hume selbst.
Für wen eignet sich Hume AI?
Entwickler, die synthetische Stimmen bewerten oder Anrufaufnahmen stichprobenartig prüfen, Urteile über Tonfall und Klang als Zahlen wollen und mit einer v0-API auf Warteliste leben können.
Was kostet Hume AI für ein Team oder im Produktivbetrieb?
$0.47 pro 1M Eingabe-Tokens. Humes Schätzungen: ein 5-minütiger Anruf mit sechs Fragen etwa 26.400 Tokens; Live-Überwachung in 5-Sekunden-Clips etwa 6.400 Tokens pro Minute. Mengenpreise über den Vertrieb.
Ist Hume AI sicher für Firmendaten?
Humes API Data Usage Policy sagt, Hume nutze von Kunden übermittelte Daten nicht zum Training eigener Modelle. Wie lange zu Audio Decisions hochgeladenes Audio gespeichert wird, ist nicht veröffentlicht; Runs speichern die Anfrage und die Audiogröße. SOC-2-Bericht auf Anfrage. Kontodaten von EVI und TTS wurden nach dem 13. November 2026 gelöscht.
Was sind die besten Alternativen zu Hume AI?
Die nächsten Alternativen, die wir getestet haben, sind AssemblyAI und ElevenLabs.

Antworten geprüft am 16. Nov. 2026.