Hume AIとは?
ニューヨークに本拠を置く Hume AI は、いまや音声分析の会社です。2026年11月2日に公開された Audio Decisions API は、1秒から5分の MP3 または WAV ファイル1本と、「発信者はどのくらい苛立って聞こえるか」「背景に音楽は流れているか」のように自分で書いた最大25個の質問を受け取ります。返すのは文章ではなく確率で、はい/いいえ、選択肢、尺度上のスコア、笑い声のような出来事が起きる時間区間のいずれかです。各確率は、その答えを選ぶ人間の聞き手の割合を推定したものです。Hume によると、モデルは数千万件の聞き手の判断で学習しており、パネル平均との一致率は70.7%で、人間の評価者1人の場合の56.5%を上回りました。
Hume の音声製品はなくなりました。音声エージェント向けの Empathic Voice Interface(EVI)と音声合成 API の Octave は、10月2日に出た告知どおり、2026年11月13日午前0時1分(12:01 a.m.)EST に終了し、Hume はそれらのアカウントに残ったデータを完全に削除するとしています。保存した声やクローンした Octave の声は書き出せませんでした。開発者向けドキュメントに残っているのは Audio Decisions と以前からの Expression Measurement API だけです。2026年1月には創業者の Alan Cowen と数人のエンジニアがライセンス契約のもとで Google DeepMind に移りましたが、Hume は独立を保ち、Andrew Ettinger が率いています。
Hume AIは使う価値があるか?
サポート通話の文字起こしからは、顧客が何を言ったかはわかります。しかし、その「大丈夫です」が平板で疲れて聞こえたことや、犬が吠えていてオペレーターが話をさえぎっていたことはわかりません。こうした答えを得るには、これまで話者数、感情、言語、背景音ごとに別々のモデルをつなぎ合わせるのが普通でした。
Hume の Audio Decisions API は、それを1回のリクエストで尋ねます。質問を普段の言葉で書き、最大5分の音声を添えると、コードがそのまま使える数値が返ってきます。発信者が苛立って聞こえる確率や、誰かが笑った秒数といったものです。文字起こしは一切しないので、AssemblyAI のような音声認識サービスを置き換えるのではなく、組み合わせて使います。Hume は10のベンチマークで平均0.82を記録し、Gemini 3.8 Flash や gpt-audio-1.5 などを上回ったとしていますが、これは Hume 自身のテストです。
魅力は価格です。Hume の課金ドキュメントでは、質問6つを付けた5分のサポート通話がおよそ26,400入力トークンで、100万トークンあたり$0.47なら1セント強です。進行中の通話を5秒ごとのクリップで監視すると、1分あたり約6,400トークンになります。回答には課金されず、拒否されたリクエストにも課金されません。
注意点:これはウェイトリストの向こうにある v0 の API で、作り直しの最中にある会社のものです。10月2日、Hume は開発者に6週間の猶予を与えたうえで EVI と Octave を止め、その後アカウントのデータを削除し、クローンした声は書き出せませんでした。Hume のドキュメントには、API を変えずにモデルが更新されることがあるとも書かれており、調整したしきい値の下で答えが変わる可能性があります。人の声を受け取る製品としては、プライバシ ー条件に抜けがあります。Hume の API Data Usage Policy は、顧客が送ったデータを自社モデルの学習に使わないとしていますが、このページには日付がなく、この製品の名前も出てきません。一般のプライバシーポリシー(最終更新は2025年2月)は API のコンテンツを対象外としており、ドキュメントはアップロードした音声をどのくらい保存するかを示していません。各リクエストは run として記録され、リクエスト内容と音声のサイズが保存されますが、音声そのものを保存するかどうかは公表されていません。
結論:合成音声のテストセットを採点したり、通話アーカイブを抜き取り調査したりする用途なら、費用が安いのでリスクは小さく済みます。本番製品の感情レイヤーとして使うなら、署名済みのデータ処理契約と、Hume がまた方針を変える日への備えが必要です。
真価を発揮する場面
公開前に音声合成モデルを試験する音声 AI チーム
生成した数千本のクリップを自然さ、不具合、発音の誤りで採点する
10秒のクリップごとに質問3つを付けて送ります。Hume の課金ドキュメントの見積もりでは1本あたり約1,000トークンなので、10,000本でおよそ10M トークン、$4.70です。Hume は声を学習させるためのフィードバックとしての用途も打ち出しています。
コンタクトセンターの品質管理責任者
顧客が苛立って聞こえ、オペレーターが話をさえぎった通話をすべて見つける
録音した通話の標本に同じ質問を流し、長い通話は SDK で5分ずつに分け、スコアの高いものを人による確認に回します。顧客の声を送る前に legal@hume.ai からデータ処理契約を取り付けます。
他社の音声基盤で音声エージェントを作る開発者
エージェントの LLM に、文字起こしだけでなく口調の手がかりを渡す
発信者の5秒クリップを音声認識と並行して送り、得た確率を業務ルールとともに LLM に渡します。Hume のドキュメントによると、ほとんどの質問は信頼できる答えを出すのに5秒以上の音声が必要です。
導入前に確認すること
- 導入
- ウェイトリストに登録し、アクセスが認められたら Hume Platform で API キーを作成して、X-Hume-Api-Key ヘッダー付きで https://api.cloud.hume.ai/v0/decisions/file にマルチパートの POST を送ります。Python の hume-audio-decisions か TypeScript の @humeai/audio-decisions SDK を使うこともできます。
- 連携
- HTTP 上の REST のみ。Python と TypeScript の SDK、Claude Code、Codex、Cursor 向けの Audio Decisions スキル、ドキュメント用 MCP サーバー。文字起こしは出力しないので、音声認識 API と組み合わせます。
- データとプライバシー
- Hume の API Data Usage Policy は、顧客が送ったデータを自社モデルの学習に使わないとしています。Audio Decisions にアップロードした音声の保存期間は公表されておらず、run にはリクエストと音声サイズが記録されます。SOC 2 レポートは依頼に応じて提供。EVI と TTS のアカウントデータは2026年11月13日以降に削除されました。 あなたのデータで学習するAIツールは?
- 大規模利用時のコスト
- 入力トークン100万あたり$0.47。Hume の見積もりでは、質問6つの5分通話が約26,400トークン、5秒クリップでのリアルタイム監視が1分あたり約6,400トークン。数量割引は営業経由です。
- 制限
- 1リクエストにつき1秒から5分、最大25,000,000バイトの MP3 または WAV が1本。選択、スコア、はい/いいえの質問は最大20個、区間の質問は最大5個。コンテキストは最大1,000文字。組織ごとに毎分600リクエスト。
良い点
- 音声についての普段の言葉の質問に、1回の呼び出しで確率として答える
- 質問6つの5分通話でおよそ1セント、100万トークンあたり$0.47
- 文字起こしでは失われる口調、発話の重なり、背景音を聞き取る
- 組織ごとに毎分600リクエスト、Python と TypeScript の SDK
- 顧客が API に送ったデータでは学習しないとしている
気になる点
- EVI と Octave TTS は2026年11月13日に終了し、アカウントのデータは削除
- ウェイトリスト制で、モデル更新により答えが変わりうる v0 の API
- アップロードした音声の保存期間が公表されていない
- 文字起こしがないため、別途音声認識サービスが必要
- ベンチマークの主張は Hume 自身によるもの
おすすめの人
合成音声の評価や通話録音の抜き取り調査をしていて、口調や音についての判断を数値で得たい開発者のうち、ウェイトリスト制の v0 API でも構わない人。
Hume AIの代替
Hume AI:よくある質問
- Hume AIは使う価値があるか?
- Hume の音声向け質問応答 API は巧みで安価ですが、6週間の予告で音声製品を止めた会社は、その上に何かを築いてもらう前に信頼を取り戻す必要があります。 評価は5点満点中3.4点です。
- Hume AIの料金は?
- Audio Decisions は入力トークン100万(1M)あたり$0.47で、契約の縛りはなく、アクセスが認められると1M トークン分の試用クレジットが付きます。アクセスはウェイトリスト制です。Enterprise の数量割引や、VPC、オンプレミス、国内でのデプロイは要相談です。EVI と Octave TTS は2026年11月13日に終了しました。
- Hume AIの欠点は?
- EVI と Octave TTS は2026年11月13日に終了し、アカウントのデータは削除; ウェイトリスト制で、モデル更新により答えが変わりうる v0 の API; アップロードした音声の保存期間が公表されていない; 文字起こしがないため、別途音声認識サービスが必要; ベンチマークの主張は Hume 自身によるもの.
- Hume AIは誰に向いているか?
- 合成音声の評価や通話録音の抜き取り調査をしていて、口調や音についての判断を数値で得たい開発者のうち、ウェイトリスト制の v0 API でも構わない人。
- チームや本番環境でHume AIを使うと費用はいくらか?
- 入力トークン100万あたり$0.47。Hume の見積もりでは、質問6つの5分通話が約26,400トークン、5秒クリップでのリアルタイム監視が1分あたり約6,400トークン。数量割引は営業経由です。
- Hume AIは企業データを扱っても安全か?
- Hume の API Data Usage Policy は、顧客が送ったデータを自社モデルの学習に使わないとしています。Audio Decisions にアップロードした音声の保存期間は公表されておらず、run にはリクエストと音声サイズが記録されます。SOC 2 レポートは依頼に応じて提供。EVI と TTS のアカウントデータは2026年11月13日以降に削除されました。
- Hume AIの代わりになるものは?
- 当サイトでレビューした中で最も近い代替はAssemblyAI 、 ElevenLabsです。
回答確認日:2026年11月16日