Alternativas a Hume AI (2026): adónde migrar EVI y Octave TTS antes del cierre del 13 de noviembre

Qué anunció Hume y qué queda#

El 2 de octubre de 2026, Hume publicó un "TTS and EVI API sunset notice" en el registro de cambios para desarrolladores: "Hume is sunsetting the TTS and EVI APIs. Access ends November 13, 2026 at 12:01 a.m. EST, and both APIs remain fully supported until then." (Hume está retirando las API de TTS y EVI. El acceso finaliza el 13 de noviembre de 2026 a las 12:01 a. m. EST, y ambas API seguirán contando con soporte completo hasta entonces). El mismo aviso indica que cualquier dato de su cuenta se elimina de forma permanente después de esa fecha (Hume changelog, archivado el 3 de octubre de 2026).

Hume, la empresa, no cierra. Su página de inicio ahora ofrece una Audio Decisions API, que responde preguntas sobre una grabación (qué emoción muestra quien llama, qué idioma se habla, cuántas personas están hablando) sin necesidad de una transcripción. Su documentación para desarrolladores y su registro de cambios ahora cubren solo ese producto, y las antiguas URL de la documentación de Octave redirigen a él. Por lo tanto, si usaba Hume para medir la emoción en llamadas, esa parte de Hume sigue existiendo en otra forma. Si usaba Hume para hablar, a través de Octave o EVI, necesita un nuevo proveedor.

Dos migraciones, no una#

Hume vendía dos productos distintos, y cada uno tiene reemplazos diferentes:

• EVI (Empathic Voice Interface) era una API de voz a voz: entra audio, sale audio, con el modelo de lenguaje integrado en el proceso. Sus reemplazos son las API de voz en tiempo real y las plataformas gestionadas de agentes de voz, con precios por minuto de conversación.
• Octave era una API de texto a voz: usted envía texto y obtiene voz, con control sobre la entonación y el estilo de la locución. Sus reemplazos son las API de TTS, con precios por carácter o por minuto de audio.

Alternativas a EVI: comparativa de API de voz en tiempo real#

Como referencia, la última página pública de precios de Hume (archivada el 30 de septiembre de 2026) incluía minutos de EVI en los planes a entre $0.07 y $0.04 el minuto, con minutos adicionales de EVI 3 a entre $0.06 y $0.04. Esto es lo que cobran hoy las alternativas en tiempo real:

Qué reemplazo de EVI es el adecuado#

• Quiere la misma estructura que EVI, un solo socket con el modelo integrado: OpenAI Realtime o Gemini Live. Google publica estimaciones por minuto para Gemini Live ($0.005 por minuto de audio de entrada, $0.018 de salida); OpenAI publica solo precios por token para sus modelos en tiempo real, lo que dificulta prever la factura mensual. Realtime v1 de ElevenLabs indica que es compatible con OpenAI Realtime, lo que puede acortar una migración si ya trabaja con ese protocolo.
• Quiere una única tarifa fija por minuto para un agente telefónico o web: Ultravox cobra una tarifa fija de $0.05 por minuto tras 30 minutos gratuitos. Inworld adquirió Ultravox el 30 de septiembre de 2026; el anuncio de Inworld indica que los ID de voz existentes siguen funcionando. La tarifa Standard de $0.075 de Deepgram cubre voz a texto, un LLM gestionado y texto a voz en un solo precio, según la propia descripción de Deepgram.
• Usaba la detección de emociones de EVI: ningún reemplazo de esta lista lee la emoción de quien llama como lo planteaba Hume para EVI. Puede seguir usando Hume para esa parte mediante su API Audio Decisions, o hacer que su LLM infiera el tono a partir de la transcripción. Considere cualquier afirmación de un proveedor sobre una voz «empática» o «emocional» como marketing hasta que la escuche en sus propias llamadas.
• Prefiere controlar el flujo de procesamiento: orquestadores de código abierto como Pipecat y LiveKit Agents le permiten cambiar usted mismo los proveedores de voz a texto, LLM y TTS, de modo que el próximo cierre le cueste un cambio de configuración y no una reescritura. Plataformas gestionadas como Vapi y Retell AI se apoyan en estos modelos; nuestra guía de plataformas de agentes de voz las compara.

Alternativas a Octave: comparativa de API de texto a voz#

Los precios archivados de Octave cobraban entre $0.15 y $0.05 por cada 1,000 caracteres que excedieran la asignación de cada plan, y el plan Business de $500 al mes incluía 10 millones de caracteres, es decir, $50 por millón. Para comparar proveedores que facturan por carácter con los que facturan por minuto, convertimos todo a costo por hora de audio generado, suponiendo 800 caracteres por minuto (48,000 caracteres por hora). La estimación de Cartesia es de 750 a 800 caracteres por minuto; Inworld y Rime suponen alrededor de 1,000, lo que haría que los proveedores que cobran por carácter parecieran aproximadamente un 25% más caros de lo que se muestra.

Latencia, medida de forma independiente: Coval, que vende pruebas de agentes de voz a muchos de estos proveedores, mide cada modelo desde el envío del texto hasta el primer sonido audible. En los 30 días hasta el 28 de octubre de 2026, su tabla situaba a Inworld TTS Flash 2 en 81 ms, Inworld TTS 2 en 166 ms, ElevenLabs v4 Turbo en 194 ms y Flash v2.5 en 198 ms, Deepgram Flux TTS en 203 ms, Cartesia Sonic 3.6 en 292 ms, Deepgram Aura 2 en 300 ms, y Rime Mist v3 en 319 ms y Coda en 339 ms (benchmark TTFA de Coval). Las cifras de los proveedores son menores porque la mayoría detiene el cronómetro en el primer byte; Coval cuenta también el silencio inicial.

Inworld TTS-2: el más económico y el más rápido de este grupo#

Inworld TTS-2 Flash tiene el precio por carácter más bajo de esta lista y es el más rápido de estos proveedores en el benchmark de Coval. TTS-2 añade control del ritmo y el tono mediante lenguaje natural, que es lo más parecido aquí a las instrucciones de actuación de Octave, y la página de precios incluye diseño y clonación de voz. Puntos débiles: los precios que se ven dependen del nivel del plan, así que calcule su volumen antes de comparar; los clones profesionales en el nivel gratuito On-Demand requieren una tarjeta registrada; e Inworld no publica un precio por minuto para su producto de voz a voz, por lo que los usuarios de EVI no pueden calcular el costo de esa vía a partir de la página. Stork recibe una comisión por los registros en Inworld realizados a través de los enlaces de esta página.

ElevenLabs: más idiomas y control expresivo, a un precio mayor#

ElevenLabs v4 lista más de 90 idiomas y etiquetas de audio para un control detallado de la entonación, y Flash y v4 Turbo están diseñados para baja latencia (unos 75 ms y 100 ms, según las cifras de ElevenLabs). También vende una API de voz a voz y una plataforma completa de agentes (ElevenLabs Agents, $0.08 por minuto más el LLM). Puntos débiles: a entre $40 y $80 por millón de caracteres cuesta de dos a cinco veces más que Inworld por hora de audio, y el precio de Agents suma el LLM aparte. Stork recibe una comisión por los registros en ElevenLabs realizados a través de los enlaces de esta página.

Cartesia Sonic: la ruta de migración ya preparada#

Cartesia publica una guía de migración desde Hume Octave que asigna los campos de solicitud de Hume a su propia API y mantiene Hume detrás de un indicador hasta que usted cambie. Es la página de un competidor, así que debe leerse como una herramienta de ventas, pero es la ayuda de migración más concreta que encontramos. Sonic-3.6 cubre 44 idiomas. Puntos débiles: el precio se basa en créditos del plan, por lo que un usuario de bajo volumen paga la tarifa Pro de unos $2.40 la hora; y Coval comprobó que el 45% del tiempo hasta el primer audio de Sonic 3.5 era silencio inicial. Sin relación de afiliación.

Deepgram, Rime, OpenAI y MiniMax#

• Deepgram Aura-2 es una buena opción si ya usa Deepgram para voz a texto: $30 por millón de caracteres, siete idiomas, y Deepgram recomienda ahora su nuevo Flux TTS ($45) para desarrollos nuevos. No se indica clonación de voz. Sin relación de afiliación.
• Rime factura por minuto de audio, lo que facilita prever el costo, y su nivel gratuito ofrece $50 de uso al mes. Mist v3 cubre 4 idiomas y Coda 10. En el benchmark de Coval, Coda mostró una tasa de error de palabras del 10.7%, frente al 1.5% al 3.1% de todos los demás modelos de la tabla, así que pruébelo con sus propios guiones. Sin relación de afiliación.
• OpenAI tts-1 empata con Inworld Flash como el más económico por carácter aquí, y gpt-4o-mini-tts se factura por token de audio ($12 por millón de tokens de salida). No se indica clonación de voz de autoservicio. Sin relación de afiliación.
• MiniMax speech-2.8 cubre 40 idiomas y vende diseño de voz a partir de una descripción de texto ($3) y clonación rápida ($1.50 por voz), lo más cercano a la función de diseño de voz de Octave. Es el más caro por carácter de esta lista. Sin relación de afiliación.

Recomendaciones según el caso de uso#

Una lista de verificación de migración#

• Hoy: descargue el audio generado que necesite y las grabaciones de origen de cada voz clonada. Anote qué voces y ajustes de Hume usa cada función.
• Localice las llamadas: busque en su código api.hume.ai y la variable de su clave de API de Hume. Las llamadas a Octave van a /v0/tts; EVI usa un WebSocket.
• Ponga el nuevo proveedor detrás de un indicador para poder volver atrás durante un día si una voz suena mal. Después del 13 de noviembre ya no habrá a dónde volver, así que pruebe antes de esa fecha si es posible.
• Vuelva a crear las voces a partir del audio de origen guardado en el nuevo proveedor, y escúchelas con sus guiones reales, no con frases de demostración.
• Revise de nuevo los precios con su volumen real. Los niveles de plan reducen la tarifa a la mitad o más en Inworld, un 20% en Rime y un 10% en Deepgram.
• Prepárese para el próximo cierre. PlayHT y LMNT también cerraron en el último año; consulte nuestra lista de API de voz que cerraron y qué las reemplazó. Un orquestador como Pipecat o LiveKit mantiene al proveedor como un valor de configuración.