A Hume encerrou suas APIs de texto para fala e EVI em 13 de novembro de 2026, às 0h01 EST. As chamadas ao Octave e ao EVI agora falham, e a Hume diz que os dados das contas estão apagados permanentemente (aviso da Hume, publicado em 2 de outubro de 2026). Se o seu produto ainda chama uma dessas APIs, você precisa de um substituto em produção agora.
A empresa Hume não vai fechar. Agora ela vende o VoiceEQ, uma plataforma para avaliar IA de voz, junto com APIs de medição de expressão. Então, se você usava a Hume para medir expressão vocal e não para gerar fala, veja se as Expression APIs ainda atendem ao seu caso antes de migrar qualquer coisa.
O que você ainda pode recuperar
Seu áudio e suas transcrições. A Hume apagou os dados das contas com o encerramento. Se você exportou a tempo o áudio gerado, as transcrições de conversas do EVI e os logs, guarde-os em um lugar duradouro; não há mais como recuperá-los.
Suas vozes. Vozes que você projetou com um prompt ou clonou no Octave ficavam nos servidores da Hume e não foram exportadas. Se você guardou as gravações originais que usou para um clone, pode recriar a voz em outro fornecedor. Uma voz projetada não tem gravação de origem, então escolha a mais parecida na biblioteca de outro fornecedor e teste com seus roteiros reais.
Sua integração. IDs de voz da Hume e configurações do EVI não são transferidos. Leve a voz, o prompt e as ferramentas de cada configuração para o novo fornecedor, e teste de novo turnos e interrupções se você usava o EVI em chamadas telefônicas.
O que comparar
O Octave e o EVI faziam trabalhos diferentes, então precisam de substitutos diferentes. O Octave era texto para fala: uma API de TTS o substitui. O EVI era uma interface de voz speech-to-speech completa: substituí-lo exige reconhecimento de fala, um modelo de linguagem e saída de fala, como APIs separadas ou como uma plataforma de agentes. O Sonic da Cartesia gera fala, o Ink transcreve e o Managed Agents cria agentes de voz com os dois. Uma saída expressiva não comprova que o sistema identifica o estado emocional de uma pessoa.
As opções abaixo atendem a tarefas diferentes e não formam um ranking de desempenho. Antes de escolher, confira disponibilidade, recursos e condições atuais de cada fornecedor.
Visão geral das alternativas
| Produto | Avalie para | Verifique antes de escolher |
|---|---|---|
| Cartesia | Fala para aplicações de voz | Requisitos de modelo, idioma e integração |
| OpenAI | APIs de fala e conversação | Escolha de endpoint e controle da conversa |
| IBM Watson Text to Speech | Integração de API TTS | Idiomas, controles e limites do serviço |
| Microsoft Azure Text-to-Speech | Fala em aplicações Azure | Região, suporte a SSML e acesso a voz personalizada |
| Amazon Polly | TTS em aplicações AWS | Mecanismo de voz, região e controles compatíveis |
| Speechify | Leitura de documentos em voz alta | Plano de aplicativo de leitura, estúdio ou API |
| Murf AI | Locução roteirizada | Controles de edição e direitos de exportação |
| Descript | Edição de mídia por transcrição | Fluxo de edição e opções de exportação |
| Google Cloud Text-to-Speech | TTS em aplicações Google Cloud | Recursos por voz e cotas |
Cartesia

Criamos o Sonic, um modelo de texto para fala para aplicações de voz. Você pode transmitir o áudio gerado, escolher uma voz ou clonar uma voz com gravações que tem permissão para usar. Teste seus textos no playground antes de integrar a API.
Um agente completo também precisa reconhecer fala e gerenciar a conversa. O Ink é nosso modelo de fala para texto, e o Managed Agents é nossa ferramenta para criar agentes. O Sonic sozinho não ouve quem liga nem decide o que dizer.
Confira a cobertura de idiomas, os requisitos da API e os preços do modelo e plano pretendidos. Meça o tempo de resposta na sua aplicação, pois rede e buffer de reprodução também afetam o que o usuário ouve. Meça-o como um percentil sobre muitas chamadas, não como uma média: nosso guia de latência p95 e p99 explica por que quem faz uma chamada longa encontra a cauda, não a média.
OpenAI

A OpenAI oferece APIs de fala e conversação. Compare modelos de conversa fala para fala separadamente dos endpoints TTS. Eles dão controles diferentes sobre as palavras do agente. Para um sistema completo, teste interrupções e uso de ferramentas.
IBM Watson Text to Speech

O IBM Watson Text to Speech é uma API para gerar fala de texto. Inclua-o na comparação de serviços para uma implantação baseada em IBM. Verifique idiomas e controles de pronúncia, depois teste formatos de saída e limites na sua aplicação.
Microsoft Azure Text-to-Speech

O Microsoft Azure oferece texto para fala em seus serviços de fala. É uma opção para equipes que já usam Azure. Verifique voz, região, controles SSML e requisitos de acesso a vozes personalizadas.
Amazon Polly

O Amazon Polly é o serviço TTS da AWS. Vale avaliá-lo se sua aplicação já usa identidade e cobrança AWS. Os mecanismos de voz diferem em idiomas e controles. Verifique o mecanismo que pretende usar, em vez da lista geral do serviço.
Speechify

O Speechify tem aplicativos que transformam documentos e páginas web em áudio. Se você quer ouvir textos existentes, comece por esse fluxo. Avalie separadamente aplicativo de leitura, estúdio e API. Acesso a um não indica o que o outro inclui.
Murf AI

O Murf AI tem um editor de locução para roteiros e sincronização com mídia. Considere-o para materiais de treinamento e apresentações gravadas. Teste o volume de edição necessário e confira se o plano inclui exportações e acesso da equipe.
Descript

O Descript combina transcrição com edição de áudio e vídeo baseada em texto. Considere-o para cortar material gravado editando a transcrição. Uma API de fala sozinha não substitui esse editor. Teste o fluxo da gravação à exportação antes de migrar.
Lovo AI
O Lovo AI está fora do ar. Sua empresa controladora, a Lovo, Inc., entrou com pedido de falência (Chapter 7) em maio de 2026, no meio de um processo movido por dubladores. O guia de alternativas ao Lovo AI explica o que os usuários do Genny ainda podem recuperar e para quais ferramentas migrar.
Google Cloud Text-to-Speech

O Google Cloud Text-to-Speech oferece síntese pelas APIs do Google Cloud. Em uma aplicação já hospedada ali, conta e cobrança integradas podem facilitar a adoção. Confirme se a voz escolhida oferece o idioma, o streaming e os controles necessários.
Teste antes de migrar
Defina qual parte da Hume você está substituindo e teste antes de se comprometer. Para saída de fala, compare a interpretação do mesmo texto. Para agentes, teste turnos, interrupções e ferramentas. Se análise de expressão for necessária, avalie-a separadamente com tarefa definida e dados anotados. Não a deduza de uma voz empática.
Compare custos com seu uso esperado e os recursos necessários. Inclua novas tentativas, áudio regenerado, limites de concorrência e direitos comerciais. Um preço inicial baixo não é uma estimativa da sua carga.
