Alternativas ao Hume AI após o fim do TTS e do EVI

Rene, Chang Chen 
Alternativas ao Hume AI após o fim do TTS e do EVI

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

ProdutoAvalie paraVerifique antes de escolher
CartesiaFala para aplicações de vozRequisitos de modelo, idioma e integração
OpenAIAPIs de fala e conversaçãoEscolha de endpoint e controle da conversa
IBM Watson Text to SpeechIntegração de API TTSIdiomas, controles e limites do serviço
Microsoft Azure Text-to-SpeechFala em aplicações AzureRegião, suporte a SSML e acesso a voz personalizada
Amazon PollyTTS em aplicações AWSMecanismo de voz, região e controles compatíveis
SpeechifyLeitura de documentos em voz altaPlano de aplicativo de leitura, estúdio ou API
Murf AILocução roteirizadaControles de edição e direitos de exportação
DescriptEdição de mídia por transcriçãoFluxo de edição e opções de exportação
Google Cloud Text-to-SpeechTTS em aplicações Google CloudRecursos por voz e cotas

Cartesia

Painel da Cartesia com atalhos para Managed Agents e texto para fala, vozes em destaque e acesso às chaves de API

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

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

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

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

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

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

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

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

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.

Experimente o Sonic com seus textos.

Perguntas frequentes

A Hume AI vai fechar?

A Hume encerrou suas APIs de voz, não a empresa. Em 2 de outubro de 2026, a Hume anunciou que as APIs de texto para fala (Octave) e Empathic Voice Interface (EVI) terminariam em 13 de novembro de 2026, às 0h01 EST, e foi o que aconteceu: o endpoint de TTS agora responde às solicitações com um aviso de desativação. A Hume ainda vende avaliação de IA de voz (a plataforma VoiceEQ) e APIs de medição de expressão. O aviso está na documentação para desenvolvedores da Hume.

O que acontece com minhas vozes e dados na Hume?

A Hume disse que os dados das contas seriam apagados permanentemente depois de 13 de novembro de 2026, e o prazo já passou. Se você exportou a tempo o áudio gerado e as transcrições do EVI, esses arquivos são tudo o que resta. As vozes que você projetou ou clonou no Octave não foram transferidas. Se você guardou as gravações originais que usou para clonar uma voz, pode recriá-la em outro lugar; uma voz projetada não tem gravação de origem, então encontre a mais parecida na biblioteca de outro fornecedor.

Qual é a melhor alternativa ao Hume Octave TTS?

Para uma aplicação em tempo real ou um agente de voz, teste uma API de TTS em streaming com seus próprios roteiros. O Sonic 3.6 da Cartesia marca 1295 no ranking Provider Voice da Artificial Analysis em novembro de 2026, em testes de audição às cegas; o Octave 2 tinha 1051 antes da desativação. Para narração gravada ou fluxos de edição, compare os editores da lista abaixo.

O que pode substituir o Hume EVI?

O EVI juntava escuta, um modelo de linguagem e fala expressiva em uma única API. Para substituí-lo, você precisa de reconhecimento de fala, controle de turnos, um LLM e texto para fala. O Cartesia Managed Agents oferece tudo isso, com o Ink-2 para ouvir e o Sonic para falar, ou você pode chamar o Ink e o Sonic a partir do código do seu próprio agente. A API speech-to-speech da OpenAI é outra opção se você quiser um único modelo de ponta a ponta.

A Cartesia oferece o EVI da Hume?

Não. EVI é a Empathic Voice Interface da Hume. A Cartesia oferece Sonic para texto para fala, Ink para fala para texto e Managed Agents para criar agentes de voz.

Como posso experimentar a Cartesia?

Use o playground para testar seus textos e consulte a documentação da API para integrar. Veja os preços para conhecer as franquias e condições atuais dos planos.