Notre méthode : l'avis d'arrêt de Hume et les anciens prix proviennent du changelog et de la page de tarifs de Hume, tels qu'archivés par la Wayback Machine, car les deux pages actuelles redirigent désormais vers le nouveau produit de Hume. Tous les autres prix proviennent de la page de tarifs du fournisseur concerné, consultée le 11 novembre 2026. Nous avons converti les prix de synthèse vocale en coût par heure d'audio afin de pouvoir les comparer. Nous n'avons pas testé nous-mêmes ces API ; les seuls chiffres de latence présentés ici sont des déclarations de fournisseurs (signalées comme telles) et un benchmark indépendant.
Ce que Hume a annoncé, et ce qui reste#
Le 2 octobre 2026, Hume a publié un « TTS and EVI API sunset notice » dans son journal des modifications pour développeurs : « 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 met fin aux API TTS et EVI. L'accès prend fin le 13 novembre 2026 à 12:01 a.m. EST, et les deux API restent pleinement prises en charge jusqu'à cette date.) Le même avis indique que toutes les données de votre compte sont définitivement supprimées après cette date (Hume changelog, archivé le 3 octobre 2026).
Hume, l'entreprise, ne ferme pas. Sa page d'accueil propose désormais une Audio Decisions API, qui répond à des questions sur un enregistrement (quelle émotion exprime un appelant, quelle langue est parlée, combien de personnes parlent) sans transcription. Sa documentation pour développeurs et son journal des modifications ne couvrent plus que ce produit, et les anciennes URL de la documentation d'Octave redirigent vers celui-ci. Ainsi, si vous utilisiez Hume pour mesurer l'émotion dans des appels, cette partie de Hume subsiste sous une autre forme. Si vous utilisiez Hume pour faire parler une voix, via Octave ou EVI, il vous faut un nouveau fournisseur.
Deux migrations, et non une seule#
Hume vendait deux produits différents, qui ont des remplaçants différents :
- EVI (Empathic Voice Interface) était une API speech-to-speech : de l'audio en entrée, de l'audio en sortie, avec le modèle de langage intégré à la boucle. Ses remplaçants sont des API vocales en temps réel et des plateformes gérées d'agents vocaux, facturées à la minute de conversation.
- Octave était une API de synthèse vocale (text-to-speech) : vous envoyez du texte, vous obtenez de la parole, avec un contrôle sur la diction. Ses remplaçants sont des API TTS, facturées au caractère ou à la minute d'audio.
Alternatives à EVI : comparatif des API vocales en temps réel#
À titre de référence, la dernière page de tarifs publique de Hume (archivée le 30 septembre 2026) incluait des minutes EVI dans les forfaits, de 0,07 $ à 0,04 $ la minute, avec des minutes EVI 3 supplémentaires de 0,06 $ à 0,04 $. Voici ce que facturent aujourd'hui les alternatives en temps réel :
| API | How it is priced | Per minute, as published | What is included |
|---|---|---|---|
| OpenAI Realtime (gpt-realtime-2.1) | Per token | Not published per minute: $32 per 1M audio input tokens, $64 per 1M audio output tokens (mini: $10 / $20) | Speech in, model, speech out |
| Gemini 3.8 Live (Google) | Per token, with Google's per-minute estimates | $0.005 per minute of audio in, $0.018 per minute of audio out, plus text and thinking tokens | Speech in, model, speech out |
| ElevenLabs Realtime v1 Mini / Max | Per minute | $0.08 per minute plus LLM usage | Speech-to-speech model; LLM billed separately |
| Ultravox (now owned by Inworld) | Per minute | $0.05 per minute after 30 free minutes; Pro $100 a month | Speech-native model and hosted agent platform |
| Deepgram Voice Agent API | Per minute of connection | $0.075 Standard; $0.065 if you bring your own LLM; $0.050 bringing your own LLM and TTS | Speech-to-text, a managed LLM and text-to-speech in one rate |
| Rime Prism | Per minute | $0.080 (Flex); $0.064 on the $100-a-month Scale plan | Speech-to-speech model |
| Cartesia Managed Agents | Per minute | $0.03 agent fee (cut from $0.06), plus $0.014 a minute for a Cartesia phone number; LLM billed separately | Agent runtime on Cartesia's own speech models |
Quel remplaçant d'EVI choisir#
- Vous voulez la même structure qu'EVI, un seul socket avec le modèle à l'intérieur : OpenAI Realtime ou Gemini Live. Google publie des estimations à la minute pour Gemini Live (0,005 $ la minute d'audio en entrée, 0,018 $ en sortie) ; OpenAI ne publie que des prix par token pour ses modèles realtime, ce qui rend la facture mensuelle plus difficile à prévoir. Realtime v1 d'ElevenLabs se dit compatible avec OpenAI Realtime, ce qui peut raccourcir un portage si vous ciblez déjà ce protocole.
- Vous voulez une facture forfaitaire à la minute pour un agent téléphonique ou web : Ultravox facture 0,05 $ la minute, à taux fixe, après 30 minutes gratuites. Inworld a racheté Ultravox le 30 septembre 2026 ; l'annonce d'Inworld indique que les identifiants de voix existants continuent de fonctionner. Le tarif Standard de Deepgram, à 0,075 $, couvre la reconnaissance vocale, un LLM managé et la synthèse vocale en un seul prix, selon la description de Deepgram elle-même.
- Vous utilisiez la détection des émotions d'EVI : aucun remplaçant présenté ici ne lit l'émotion de l'appelant comme Hume le promettait pour EVI. Vous pouvez continuer à utiliser Hume pour cet aspect via son API Audio Decisions, ou faire déduire le ton à votre LLM à partir de la transcription. Considérez toute affirmation d'un fournisseur sur une voix « empathique » ou « émotionnelle » comme du marketing tant que vous ne l'avez pas entendue sur vos propres appels.
- Vous préférez maîtriser le pipeline : des orchestrateurs open source comme Pipecat et LiveKit Agents vous permettent de changer vous-même de fournisseur de reconnaissance vocale, de LLM et de TTS, de sorte que le prochain arrêt vous coûte un changement de configuration et non une réécriture. Des plateformes managées comme Vapi et Retell AI s'appuient sur ces modèles ; notre guide des plateformes d'agents vocaux les compare.
Alternatives à Octave : comparatif des API de synthèse vocale#
Les tarifs archivés d'Octave facturaient de 0,15 $ à 0,05 $ pour 1.000 caractères au-delà du quota de chaque forfait, et le forfait Business à 500 $ par mois incluait 10 millions de caractères, soit 50 $ le million. Pour comparer les fournisseurs facturant au caractère avec ceux facturant à la minute, nous avons tout converti en coût par heure d'audio généré, sur la base de 800 caractères par minute (48.000 caractères par heure). L'estimation de Cartesia est de 750 à 800 caractères par minute ; Inworld et Rime partent d'environ 1.000, ce qui ferait paraître les fournisseurs facturant au caractère environ 25 % plus chers que ce qui est indiqué.
| TTS API | Published price | Per hour of audio (our conversion) | Languages (vendor) | Voice cloning |
|---|---|---|---|---|
| Hume Octave (ending Nov 13) | $0.15 to $0.05 per 1K chars overage | $7.20 to $2.40 | n/a | Yes, until shutdown |
| Inworld TTS-2 Flash | $15 per 1M chars on demand; $7 on Growth | $0.72; $0.34 on Growth | 200+ (pricing page) | Instant and professional clones |
| Inworld TTS-2 | $25 per 1M chars on demand; $12.50 on Growth | $1.20; $0.60 on Growth | 200+ (pricing page) | Instant and professional clones |
| OpenAI tts-1 / tts-1-hd | $15 / $30 per 1M chars | $0.72 / $1.44 | Not compared | Not offered on the pricing page |
| Deepgram Aura-2 / Flux TTS | $30 / $45 per 1M chars (Aura-2 $27 on Growth) | $1.44 / $2.16 | Aura-2: 7 | Not offered on the pricing page |
| Rime Mist v3 / Coda v2 | $0.030 / $0.050 per minute of audio (20% off on Scale) | $1.80 / $3.00 | Mist v3: 4; Coda: 10 | Custom cloning on Enterprise only |
| Cartesia Sonic-3.6 | Plan credits, 1 credit per character: Pro $5 for 100K, Startup $49 for 1.25M, Scale $299 for 8M | $2.40 (Pro) to $1.79 (Scale) | 44 | Instant on Pro; professional from Startup |
| ElevenLabs Flash v2.5 / v4 Turbo | $0.04 per 1K chars ($40 per 1M) | $1.92 | v4 Turbo: 90+; Flash: 32 | Yes |
| ElevenLabs v4 | $0.08 per 1K chars ($80 per 1M) | $3.84 | 90+ | Yes |
| MiniMax speech-2.8 Turbo / HD | $60 / $100 per 1M chars | $2.88 / $4.80 | 40 | Rapid cloning $1.50 per voice; voice design $3 |
Latence, mesurée de façon indépendante : Coval, qui vend des tests d'agents vocaux à nombre de ces fournisseurs, chronomètre chaque modèle entre l'envoi du texte et le premier son audible. Sur les 30 jours jusqu'au 28 octobre 2026, son classement affichait Inworld TTS Flash 2 à 81 ms, Inworld TTS 2 à 166 ms, ElevenLabs v4 Turbo à 194 ms et Flash v2.5 à 198 ms, Deepgram Flux TTS à 203 ms, Cartesia Sonic 3.6 à 292 ms, Deepgram Aura 2 à 300 ms, et Rime Mist v3 à 319 ms et Coda à 339 ms (benchmark TTFA de Coval). Les chiffres des fournisseurs sont plus bas, car la plupart arrêtent le chronomètre au premier octet ; Coval compte aussi le silence initial.
Inworld TTS-2 : le moins cher et le plus rapide de ce groupe#
Inworld TTS-2 Flash affiche le prix au caractère le plus bas de cette liste et est le plus rapide de ces fournisseurs dans le benchmark de Coval. TTS-2 ajoute un pilotage en langage naturel du rythme et du ton, ce qui se rapproche le plus ici des instructions de jeu d'Octave, et la page de tarifs inclut la conception de voix et le clonage. Points faibles : les prix affichés dépendent du niveau de forfait, donc estimez votre volume avant de comparer ; les clones professionnels du niveau gratuit On-Demand exigent une carte enregistrée ; et Inworld ne publie pas de prix à la minute pour son produit speech-to-speech, si bien que les utilisateurs d'EVI ne peuvent pas chiffrer cette option à partir de la page. Stork perçoit une commission sur les inscriptions à Inworld faites via les liens de cette page.
ElevenLabs : le plus de langues et un contrôle expressif, à un prix plus élevé#
ElevenLabs v4 liste plus de 90 langues et des balises audio pour un contrôle fin de la diction, et Flash et v4 Turbo sont conçus pour une faible latence (environ 75 ms et 100 ms, d'après les chiffres d'ElevenLabs elle-même). La société vend aussi une API speech-to-speech et une plateforme d'agents complète (ElevenLabs Agents, 0,08 $ la minute plus le LLM). Points faibles : à 40 $ à 80 $ le million de caractères, elle coûte de deux à cinq fois le prix d'Inworld par heure d'audio, et la tarification d'Agents ajoute le LLM en plus. Stork perçoit une commission sur les inscriptions à ElevenLabs faites via les liens de cette page.
Cartesia Sonic : le parcours de migration prêt à l'emploi#
Cartesia publie un guide de migration depuis Hume Octave qui fait correspondre les champs de requête de Hume à sa propre API et maintient Hume derrière un indicateur (flag) jusqu'à la bascule. Il s'agit de la page d'un concurrent, à lire donc comme un outil commercial, mais c'est l'aide au portage la plus concrète que nous ayons trouvée. Sonic-3.6 couvre 44 langues. Points faibles : la tarification repose sur des crédits de forfait, de sorte qu'un utilisateur à faible volume paie le tarif Pro d'environ 2,40 $ de l'heure ; et Coval a constaté que 45 % du délai avant le premier audio de Sonic 3.5 correspondait à du silence initial. Aucun lien d'affiliation.
Deepgram, Rime, OpenAI et MiniMax#
- Deepgram Aura-2 convient bien si vous utilisez déjà Deepgram pour la reconnaissance vocale : 30 $ le million de caractères, sept langues, et Deepgram recommande désormais son nouveau Flux TTS (45 $) pour les nouveaux projets. Aucun clonage de voix n'est indiqué. Aucun lien d'affiliation.
- Rime facture à la minute d'audio, ce qui facilite la prévision des coûts, et son offre gratuite donne 50 $ d'utilisation par mois. Mist v3 couvre 4 langues et Coda 10. Dans le benchmark de Coval, Coda affichait un taux d'erreur de mots de 10,7 %, contre 1,5 % à 3,1 % pour tous les autres modèles du classement ; testez-le donc sur vos propres scripts. Aucun lien d'affiliation.
- OpenAI tts-1 est à égalité avec Inworld Flash pour le prix au caractère le plus bas ici, et gpt-4o-mini-tts est facturé par token audio (12 $ le million de tokens en sortie). Aucun clonage de voix en libre-service n'est indiqué. Aucun lien d'affiliation.
- MiniMax speech-2.8 couvre 40 langues et propose la conception de voix à partir d'une description textuelle (3 $) et le clonage rapide (1,50 $ par voix), ce qui correspond le mieux à la fonction de conception de voix d'Octave. C'est le plus cher au caractère de cette liste. Aucun lien d'affiliation.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Nos choix selon le cas d'usage#
| If you used Hume for | Start with | Why |
|---|---|---|
| An EVI voice agent on the phone | Ultravox or Deepgram Voice Agent | Flat per-minute rates; Deepgram's includes the LLM |
| An EVI-style single realtime API | Gemini Live or OpenAI Realtime | Speech in and out over one connection; Google publishes per-minute estimates, OpenAI only per-token prices |
| Octave in a latency-sensitive agent | Inworld TTS-2 Flash | Lowest price per hour here and 81 ms in Coval's benchmark |
| Octave with acting direction or voice design | ElevenLabs v4, Inworld TTS-2 or MiniMax | Audio tags, natural-language steering, or voice design from a prompt |
| Octave in many languages | ElevenLabs v4 or Inworld | 90+ and 200+ languages by the vendors' own counts |
| The least porting work | Cartesia Sonic | Publishes a Hume-specific field mapping |
| Emotion detection in calls | Hume's Audio Decisions API | The part of Hume that continues |
Une checklist de migration#
- Aujourd'hui : téléchargez l'audio généré dont vous avez besoin et les enregistrements source de chaque voix clonée. Notez quelles voix et quels paramètres Hume chaque fonctionnalité utilise.
- Repérez les appels : recherchez dans votre code api.hume.ai et la variable contenant votre clé d'API Hume. Les appels Octave vont vers /v0/tts ; EVI utilise un WebSocket.
- Placez le nouveau fournisseur derrière un indicateur (flag) afin de pouvoir revenir en arrière pendant une journée si une voix sonne mal. Après le 13 novembre, il n'y aura plus rien vers quoi revenir ; testez donc avant cette date si possible.
- Recréez les voix à partir de l'audio source sauvegardé chez le nouveau fournisseur, et écoutez-les sur vos vrais scripts, pas sur des phrases de démonstration.
- Revérifiez les prix à votre volume réel. Les niveaux de forfait réduisent le tarif de moitié ou plus chez Inworld, de 20 % chez Rime et de 10 % chez Deepgram.
- Anticipez le prochain arrêt. PlayHT et LMNT ont aussi fermé au cours de la dernière année ; consultez notre liste des API vocales arrêtées et de leurs remplaçants. Un orchestrateur comme Pipecat ou LiveKit fait du fournisseur une simple valeur de configuration.
Questions fréquentes#
Quand les API EVI et Octave TTS de Hume s'arrêtent-elles ?#
L'accès prend fin le 13 novembre 2026 à 00:01 EST, selon l'avis du changelog de Hume du 2 octobre 2026. Les deux API sont prises en charge jusque-là, et Hume indique que les données des comptes sont définitivement supprimées après cette date.
Hume AI cesse-t-elle complètement son activité ?#
Non. Hume met fin à ses API de synthèse vocale (Octave) et de speech-to-speech (EVI), mais l'entreprise poursuit avec une nouvelle API Audio Decisions qui répond à des questions sur l'audio, par exemple quelle émotion manifeste un appelant.
Quel est le meilleur remplaçant de Hume EVI ?#
Pour la même structure en une seule API, OpenAI Realtime ou Gemini Live. Pour un agent téléphonique à tarif forfaitaire à la minute, Ultravox (0,05 $ la minute) ou l'API Voice Agent de Deepgram (0,075 $ la minute, LLM managé inclus). Prix issus de la page de chaque fournisseur au 11 novembre 2026.
Quelle est l'alternative la moins chère à Hume Octave TTS ?#
Inworld TTS-2 Flash et OpenAI tts-1 affichent tous deux 15 $ le million de caractères à la demande, soit environ 0,72 $ par heure d'audio à 800 caractères par minute. Le forfait Growth d'Inworld abaisse Flash à 7 $ le million.
Puis-je transférer mes voix clonées Hume vers un autre fournisseur ?#
Pas directement : les identifiants de voix ne se transfèrent pas d'un fournisseur à l'autre. Conservez les enregistrements d'origine utilisés pour créer chaque clone et recréez la voix chez le nouveau fournisseur avant que Hume ne supprime les données des comptes après le 13 novembre 2026.
Quelle API TTS offre la latence la plus faible après Hume ?#
Dans le benchmark indépendant de Coval (30 jours jusqu'au 28 octobre 2026), Inworld TTS Flash 2 a affiché en moyenne 81 ms avant le premier son, ElevenLabs v4 Turbo 194 ms, Deepgram Flux TTS 203 ms et Cartesia Sonic 3.6 292 ms. Coval vend des services de test aux fournisseurs de solutions vocales.