TTSとEVIの提供終了後のHume AIの代替

Rene, Chang Chen 
TTSとEVIの提供終了後のHume AIの代替

Humeは2026年11月13日午前0時1分(米国東部時間)に音声合成とEVIのAPIを終了しました。OctaveとEVIへの呼び出しは現在失敗し、アカウントのデータは完全に削除されたとHumeは説明しています(Humeの告知、2026年10月2日掲載)。製品がどちらかのAPIをまだ呼び出しているなら、今すぐ代替を本番稼働させる必要があります。

Humeという会社がなくなるわけではありません。現在は音声AIを評価するプラットフォームVoiceEQと、表現測定APIを提供しています。音声の生成ではなく声の表現の測定にHumeを使っていたなら、移行の前にExpression APIでまだ対応できるか確認してください。

まだ回収できるもの

音声と文字起こし。Humeは終了とともにアカウントのデータを削除しました。生成した音声、EVIのチャットの文字起こし、ログを期限内にエクスポートしていれば、安全な場所に保管してください。今から回収する方法はありません。

ボイス。プロンプトで設計したボイスやOctaveでクローンしたボイスはHumeのサーバー上にあり、エクスポートされませんでした。クローンに使った元の録音を保管していれば、別のプロバイダーでボイスを作り直せます。設計したボイスには元の録音がないため、別のプロバイダーのライブラリから近いボイスを選び、実際の台本で試してください。

連携部分。HumeのボイスIDやEVIの設定はそのまま移せません。各設定のボイス、プロンプト、ツールを新しいプロバイダーに割り当て、電話でEVIを使っていた場合はターン交代と割り込みも改めてテストしてください。

比較するポイント

OctaveとEVIは役割が違うため、代替も別々に考える必要があります。Octaveは音声合成なので、TTS APIで置き換えられます。EVIは完全なspeech-to-speechの音声インターフェースだったので、置き換えるには音声認識、言語モデル、音声出力が必要で、個別のAPIとして組み合わせるか、エージェントプラットフォームを使います。CartesiaのSonicは発話を生成し、Inkは文字起こしを行い、Managed Agentsはその2つで音声エージェントを作成します。表現豊かな出力は、人の感情の状態を識別できる証拠にはなりません。

以下は異なる用途の選択肢であり、性能順のランキングではありません。決定する前に、各社の現在の提供状況、機能、プランの条件を確認してください。

代替候補の一覧

製品主な評価用途選ぶ前の確認事項
Cartesia音声アプリ向けの発話モデル、言語、統合の要件
OpenAI音声と会話のAPIエンドポイントの選択と会話の制御
IBM Watson Text to SpeechTTS APIの統合言語、制御、サービスの上限
Microsoft Azure Text-to-SpeechAzureアプリの音声地域、SSML、カスタム音声へのアクセス
Amazon PollyAWSアプリのTTS音声エンジン、地域、対応する制御
Speechify文書の読み上げ読み上げアプリ、スタジオ、APIのプラン
Murf AI台本付きナレーション編集操作と出力権利
Descript文字起こしによるメディア編集編集の流れと出力の選択肢
Google Cloud Text-to-SpeechGoogle CloudアプリのTTS声ごとの機能と上限

Cartesia

Managed Agentsと音声合成のショートカット、おすすめの声、APIキーへのアクセスがあるCartesiaのダッシュボード

私たちは、音声アプリケーション向けの音声合成モデルSonicを開発しています。生成音声のストリーミング、声の選択、使用許可のある録音からの声のクローンが可能です。APIを組み込む前に、Playgroundで自分のテキストを試してください。

完全な音声エージェントには、音声認識と会話の処理も必要です。Inkは音声認識モデル、Managed Agentsは音声エージェントの作成ツールです。Sonicだけでは発信者の声を聴いたり、話す内容を決めたりはしません。

使うモデルとプランの対応言語、APIの要件、料金を確認してください。応答時間は実際のアプリケーションで測りましょう。ユーザーが聴くまでの時間には、通信と再生のバッファーも影響します。平均ではなく、多数の呼び出しのパーセンタイルで測定してください。長い通話の発信者が平均ではなくテールに遭遇する理由は、p95とp99のレイテンシーのガイドで説明しています。

OpenAI

OpenAI

OpenAIは、音声と会話のAPIを提供します。音声対音声の会話モデルとTTSエンドポイントは別々に比較してください。エージェントの発言内容を制御できる範囲が異なります。完全な会話システムが必要なら、割り込み対応とツール利用を試します。

IBM Watson Text to Speech

IBM Watson Text to Speech

IBM Watson Text to Speechは、テキストから音声を生成するAPIです。IBMを基盤とする導入で音声サービスを比較するなら候補になります。対応言語と発音の制御を確認し、出力形式とサービスの上限をアプリに照らして試してください。

Microsoft Azure Text-to-Speech

Microsoft Azure Text-to-Speech

Microsoft Azureは音声サービスの一部として音声合成を提供します。すでにAzureを使うチームの候補です。選んだ声と地域、SSMLの制御、カスタム音声の利用要件を確認してください。

Amazon Polly

Amazon Polly

Amazon PollyはAWSの音声合成サービスです。すでにAWSの認証や課金を使うアプリなら候補になります。音声エンジンごとに対応言語と制御が異なるため、サービス全体の機能一覧でなく、導入するエンジンを確認してください。

Speechify

Speechify

Speechifyには、文書やウェブページを音声にする読み上げアプリがあります。既存のテキストを聴くことが目的なら、その流れから試しましょう。読み上げ、スタジオ、APIは別々に評価してください。一つを使えても、他の機能が含まれるとは限りません。

Murf AI

Murf AI

Murf AIには、台本を編集し、ナレーションをメディアに合わせる音声制作エディターがあります。研修資料や録画したプレゼンテーション向けに検討できます。台本に必要な編集量を試し、出力とチーム利用がプランに含まれるか確認してください。

Descript

Descript

Descriptは、文字起こしとテキストによる音声・動画編集を組み合わせています。テキストを編集して録音素材を切りたい場合に検討できます。音声APIだけではこのエディターを置き換えられないため、移行前に録音から出力までの流れを試してください。

Lovo AI

Lovo AIは現在オフラインです。親会社のLovo, Inc.が2026年5月、音声俳優による訴訟のさなかに米連邦破産法第7章の申請を行いました。Lovo AIの代替ガイドでは、Gennyユーザーがまだ回収できるものと、移行先のツールを紹介しています。

Google Cloud Text-to-Speech

Google Cloud Text-to-Speech

Google Cloud Text-to-Speechは、Google CloudのAPIで音声合成を提供します。既存のGoogle Cloudアプリでは、アカウントと課金の統合によって導入しやすい場合があります。選んだ声が、必要な言語、ストリーミングの動作、発話の制御に対応しているか確認してください。

切り替える前に試す

Humeのどの部分を置き換えるのかを書き出し、決定する前にテストします。音声出力なら同じ文章の話し方を、エージェントならターン交代、割り込み、ツール呼び出しを試します。表現の分析が要件なら、定義したタスクとラベル付きデータで別途評価し、共感的に聞こえる声から推測しないでください。

想定する使用量と必要な機能で費用を比べてください。再試行、音声の再生成、同時実行の上限、商用権利も含めます。低い最低料金だけでは、実際の処理の費用は見積もれません。

自分のテキストでSonicを試す。

よくある質問

Hume AIはサービスを終了するのですか?

終了したのはHumeの音声APIで、会社ではありません。Humeは2026年10月2日、音声合成(Octave)とEmpathic Voice Interface(EVI)のAPIを2026年11月13日午前0時1分(米国東部時間)に終了すると発表し、そのとおり終了しました。TTSエンドポイントは現在、リクエストに廃止の通知を返します。Humeは引き続き、音声AIの評価(VoiceEQプラットフォーム)と表現測定APIを提供しています。告知はHumeの開発者向けドキュメントに掲載されています。

Humeのボイスとデータはどうなりますか?

Humeはアカウントのデータが2026年11月13日以降に完全に削除されると説明しており、その期限は過ぎました。生成音声とEVIの文字起こしを期限内にエクスポートしていれば、そのファイルが残るすべてです。Octaveで設計またはクローンしたボイスは移行されませんでした。クローンに使った元の録音を保管していれば、別のサービスでボイスを作り直せます。設計したボイスには元の録音がないため、別のプロバイダーのライブラリで最も近いものを探してください。

Hume Octave TTSの一番の代替は何ですか?

リアルタイムのアプリケーションや音声エージェントなら、自分の台本でストリーミングTTS APIを試してください。2026年11月時点のArtificial Analysis Provider Voiceリーダーボードのブラインドリスニングテストで、CartesiaのSonic 3.6は1295を記録しています。Octave 2は終了前に1051でした。録音済みのナレーションや編集作業が目的なら、下のリストにある編集ツールを比較してください。

Hume EVIの代わりになるものは?

EVIは、聞き取り、言語モデル、表現豊かな音声を1つのAPIにまとめたものでした。置き換えるには、音声認識、ターン管理、LLM、音声合成が必要です。Cartesia Managed Agentsはこれらをすべて備え、聞き取りにInk-2、発話にSonicを使います。自分のエージェントのコードからInkとSonicを呼び出すこともできます。1つのモデルですべてを処理したいなら、OpenAIのspeech-to-speech APIも選択肢です。

CartesiaはHumeのEVIを提供していますか?

いいえ。EVIはHumeのEmpathic Voice Interfaceです。CartesiaはTTSのSonic、STTのInk、音声エージェント作成のManaged Agentsを提供しています。

Cartesiaを試すにはどうすればよいですか?

Playgroundで自分の文章を試し、統合にはAPIドキュメントを参照してください。現在の利用枠とプランの条件は料金で確認できます。