Hume cerró sus API de texto a voz y EVI el 13 de noviembre de 2026 a las 12:01 a. m. EST. Las llamadas a Octave y EVI ahora fallan, y Hume dice que los datos de las cuentas están eliminados de forma permanente (aviso de Hume, publicado el 2 de octubre de 2026). Si tu producto todavía llama a alguna de estas API, necesitas un sustituto en producción ahora.
Hume como empresa no cierra. Ahora vende VoiceEQ, una plataforma para evaluar IA de voz, junto con API de medición de la expresión. Así que, si usabas Hume para medir la expresión vocal y no para generar voz, comprueba si las Expression API siguen cubriendo tu caso antes de migrar nada.
Lo que aún puedes recuperar
Tu audio y tus transcripciones. Hume eliminó los datos de las cuentas con el cierre. Si exportaste a tiempo el audio generado, las transcripciones de chats de EVI y los registros, guárdalos en un lugar duradero; ya no hay forma de recuperarlos.
Tus voces. Las voces que diseñaste con un prompt o clonaste en Octave estaban en los servidores de Hume y no se exportaron. Si conservaste las grabaciones originales que usaste para un clon, puedes recrear la voz en otro proveedor. Una voz diseñada no tiene grabación de origen, así que elige la más parecida en la biblioteca de otro proveedor y pruébala con tus guiones reales.
Tu integración. Los ID de voz de Hume y las configuraciones de EVI no se trasladan. Pasa la voz, el prompt y las herramientas de cada configuración al nuevo proveedor, y vuelve a probar los turnos y las interrupciones si usabas EVI en llamadas telefónicas.
Qué comparar
Octave y EVI hacían trabajos distintos, así que necesitan sustitutos distintos. Octave era texto a voz: lo sustituye una API de TTS. EVI era una interfaz de voz a voz completa: sustituirla requiere reconocimiento de voz, un modelo de lenguaje y salida de voz, como API separadas o como una plataforma de agentes. Sonic de Cartesia genera voz, Ink transcribe habla y Managed Agents crea agentes de voz con ambos. Una salida expresiva no demuestra que un sistema pueda identificar el estado emocional de una persona.
Las siguientes opciones resuelven tareas distintas; no son una clasificación de rendimiento. Comprueba la disponibilidad, las funciones y las condiciones actuales de cada proveedor antes de comprometerte.
Las alternativas de un vistazo
| Producto | Para qué evaluarlo | Qué comprobar antes de elegir |
|---|---|---|
| Cartesia | Habla para aplicaciones de voz | Requisitos de modelo, idioma e integración |
| OpenAI | API de voz y conversación | Elección de endpoint y control de la conversación |
| IBM Watson Text to Speech | Integración de API de TTS | Idiomas, controles y límites del servicio |
| Microsoft Azure Text-to-Speech | Voz en aplicaciones de Azure | Región, compatibilidad con SSML y acceso a voces personalizadas |
| Amazon Polly | TTS en aplicaciones de AWS | Motor de voz, región y controles compatibles |
| Speechify | Lectura de documentos en voz alta | Plan de aplicación de lectura, estudio o API |
| Murf AI | Locuciones a partir de guiones | Controles de edición y derechos de exportación |
| Descript | Edición multimedia basada en transcripciones | Flujo de edición y opciones de exportación |
| Google Cloud Text-to-Speech | TTS en aplicaciones de Google Cloud | Funciones y cuotas específicas de cada voz |
Cartesia

Desarrollamos Sonic, un modelo de texto a voz para aplicaciones de voz. Puedes transmitir el audio generado, seleccionar una voz o clonar voces a partir de grabaciones que tengas permiso para usar. Prueba tu propio texto en el entorno de pruebas antes de integrar la API.
Un agente de voz completo también necesita reconocimiento de voz y gestión de conversaciones. Ink es nuestro modelo de voz a texto y Managed Agents, nuestra herramienta para crear agentes de voz. Sonic por sí solo no escucha a quienes llaman ni decide qué decir.
Comprueba la cobertura de idiomas, los requisitos de la API y los precios del modelo y el plan que quieras usar. Mide el tiempo de respuesta en tu aplicación. El recorrido por la red y los búferes de reproducción influyen en lo que oye el usuario. Mídelo como un percentil sobre muchas llamadas, no como una media: nuestra guía de latencia p95 y p99 explica por qué quien hace una llamada larga se encuentra con la cola, no con la media.
OpenAI

OpenAI proporciona API de voz y conversación. Compara un modelo conversacional de voz a voz por separado de un endpoint de texto a voz. Ofrecen un control distinto sobre las palabras que dice un agente. Prueba la gestión de interrupciones y el uso de herramientas si necesitas un sistema conversacional completo.
IBM Watson Text to Speech

IBM Watson Text to Speech es una API para generar voz a partir de texto. Inclúyela si comparas servicios de voz para un despliegue basado en IBM. Verifica los idiomas compatibles y los controles de pronunciación. Después prueba los formatos de salida y los límites del servicio con tu aplicación.
Microsoft Azure Text-to-Speech

Microsoft Azure proporciona texto a voz mediante sus servicios de voz. Es una opción para equipos que ya trabajan en Azure. Comprueba la voz y la región seleccionadas, los controles compatibles del lenguaje de marcado de síntesis de voz (SSML) y los requisitos de acceso a voces personalizadas.
Amazon Polly

Amazon Polly es el servicio de texto a voz de AWS. Conviene evaluarlo si tu aplicación ya usa la identidad y la facturación de AWS. Los motores de voz difieren en cobertura de idiomas y controles compatibles. Comprueba el motor que desplegarás en lugar de la lista de funciones de todo el servicio.
Speechify

Speechify ofrece aplicaciones de lectura que convierten documentos y páginas web en audio. Si quieres escuchar texto existente, empieza por ese flujo. Evalúa por separado sus productos de lectura, estudio y API. Tener acceso a uno no indica qué incluye otro.
Murf AI

Murf AI tiene un editor de locuciones para trabajar con guiones y sincronizar la narración con contenido multimedia. Considéralo para materiales de formación y presentaciones grabadas. Prueba cuánta edición necesita tu guion y comprueba si el plan incluye las exportaciones y el acceso de equipo que necesitas.
Descript

Descript combina transcripción con edición de audio y vídeo basada en texto. Considéralo cuando quieras recortar material grabado editando su transcripción. Una API de voz por sí sola no sustituye ese editor. Prueba todo el proceso, desde la grabación hasta la exportación, antes de cambiar.
Lovo AI
Lovo AI está fuera de servicio. Su empresa matriz, Lovo, Inc., se acogió al Capítulo 7 de la ley de quiebras en mayo de 2026, en medio de una demanda de actores de voz. La guía de alternativas a Lovo AI explica qué pueden recuperar todavía los usuarios de Genny y a qué herramientas migrarse.
Google Cloud Text-to-Speech

Google Cloud Text-to-Speech proporciona síntesis de voz mediante las API de Google Cloud. En una aplicación que ya usa Google Cloud, la integración de cuentas y facturación puede facilitar su adopción. Confirma que la voz elegida admite el idioma, el comportamiento en streaming y los controles de habla que necesita tu aplicación.
Prueba antes de cambiar
Anota qué parte de Hume estás sustituyendo y prueba antes de comprometerte. Para la salida de voz, compara la interpretación del mismo texto. Para un agente, prueba la gestión de turnos, las interrupciones y las llamadas a herramientas. Si necesitas análisis de la expresión, evalúalo por separado con una tarea definida y datos etiquetados. No lo deduzcas de lo empática que suena una voz.
Compara costes según tu uso previsto y las funciones que necesitas. Incluye reintentos, audio regenerado, límites de concurrencia y derechos comerciales. Un precio inicial bajo no es una estimación de tu carga de trabajo.
