Как мы проверяли: уведомление Hume об отключении и прежние цены взяты из собственного журнала изменений и страницы цен Hume в архиве Wayback Machine, поскольку обе действующие страницы теперь перенаправляют на новый продукт Hume. Все остальные цены взяты со страниц цен самих поставщиков и прочитаны 11 ноября 2026 года. Мы пересчитали цены на синтез речи в стоимость за час аудио, чтобы их можно было сравнивать. Мы не запускали эти API сами; единственные данные о задержке здесь — заявления поставщиков (с соответствующей пометкой) и один независимый бенчмарк.
Что объявила Hume и что остаётся#
2 октября 2026 года Hume опубликовала в журнале изменений для разработчиков «TTS and EVI API sunset notice»: «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.» (то есть компания прекращает работу API TTS и EVI; доступ закрывается 13 ноября 2026 года в 12:01 по восточному времени США, а до этого момента оба API полностью поддерживаются). В том же уведомлении сказано, что все данные в вашем аккаунте после этой даты будут безвозвратно удалены (Hume changelog, архив от 3 октября 2026 года).
Компания Hume не закрывается. На её главной странице теперь продаётся Audio Decisions API, который отвечает на вопросы о записи (какую эмоцию выражает звонящий, на каком языке идёт речь, сколько людей разговаривает) без расшифровки. Документация для разработчиков и журнал изменений теперь охватывают только этот продукт, а старые URL документации Octave перенаправляют на него. Поэтому если вы использовали Hume для измерения эмоций в звонках, эта часть Hume продолжает существовать в другом виде. Если же вы использовали Hume для синтеза речи через Octave или EVI, вам нужен новый поставщик.
Две миграции, а не одна#
Hume продавала два разных продукта, и замены у них разные:
- EVI (Empathic Voice Interface) — это API «речь в речь»: на входе аудио, на выходе аудио, а языковая модель участвует в обработке. Его замена — API голоса в реальном времени и управляемые платформы голосовых агентов с тарификацией за минуту разговора.
- Octave — это API синтеза речи (text-to-speech): вы отправляете текст и получаете речь с управлением подачей. Его замена — TTS API с тарификацией за символ или за минуту аудио.
Альтернативы EVI: сравнение API голоса в реальном времени#
Для справки: на последней публичной странице цен Hume (архив от 30 сентября 2026 года) минуты EVI входили в тарифы по цене от $0,07 до $0,04 за минуту, а дополнительные минуты EVI 3 стоили от $0,06 до $0,04. Вот сколько сегодня берут альтернативы для работы в реальном времени:
| 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 |
Какая замена EVI подойдёт#
- Вам нужна та же архитектура, что у EVI, — один сокет с моделью внутри: OpenAI Realtime или Gemini Live. Google публикует оценки стоимости Gemini Live за минуту ($0,005 за минуту входящего аудио, $0,018 — исходящего); OpenAI публикует для своих realtime-моделей только цены за токены, из-за чего ежемесячный счёт сложнее прогнозировать. ElevenLabs Realtime v1, по её утверждению, совместим с OpenAI Realtime, что может ускорить перенос, если вы уже ориентируетесь на этот протокол.
- Вам нужен единый фиксированный счёт за минуту для телефонного или веб-агента: Ultravox берёт фиксированные $0,05 за минуту после 30 бесплатных минут. Inworld приобрела Ultravox 30 сентября 2026 года; согласно объявлению Inworld, существующие идентификаторы голосов продолжают работать. Тариф Standard от Deepgram за $0,075 включает распознавание речи, управляемую LLM и синтез речи в одной цене — по описанию самой Deepgram.
- Вы использовали распознавание эмоций в EVI: ни одна из замен здесь не считывает эмоции собеседника так, как это подавала Hume в EVI. Для этой части можно продолжать использовать Hume через её Audio Decisions API или поручить вашей LLM определять тон по транскрипции. Любые заявления поставщиков об «эмпатичном» или «эмоциональном» голосе считайте маркетингом, пока не услышите результат на собственных звонках.
- Вы предпочитаете владеть конвейером: оркестраторы с открытым исходным кодом, такие как Pipecat и LiveKit Agents, позволяют самостоятельно менять поставщиков распознавания речи, LLM и TTS, так что следующее отключение обойдётся изменением конфигурации, а не переписыванием кода. Управляемые платформы, такие как Vapi и Retell AI, работают поверх этих моделей; в нашем руководстве по платформам голосовых агентов они сравниваются.
Альтернативы Octave: сравнение API синтеза речи#
По архивным ценам Octave стоимость составляла от $0,15 до $0,05 за 1.000 символов сверх лимита каждого тарифа, а тариф Business за $500 в месяц включал 10 миллионов символов, то есть $50 за миллион. Чтобы сравнить поставщиков, тарифицирующих по символам, с теми, кто тарифицирует по минутам, мы пересчитали всё в стоимость за час сгенерированного аудио, исходя из 800 символов в минуту (48.000 символов в час). По оценке Cartesia, это 750–800 символов в минуту; Inworld и Rime исходят примерно из 1.000, из-за чего поставщики с посимвольной оплатой выглядели бы примерно на 25% дороже, чем показано.
| 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 |
Задержка по независимым измерениям: Coval, которая продаёт многим из этих поставщиков тестирование голосовых агентов, замеряет каждую модель от отправки текста до первого слышимого звука. За 30 дней до 28 октября 2026 года в её рейтинге Inworld TTS Flash 2 показала 81 мс, Inworld TTS 2 — 166 мс, ElevenLabs v4 Turbo — 194 мс, Flash v2.5 — 198 мс, Deepgram Flux TTS — 203 мс, Cartesia Sonic 3.6 — 292 мс, Deepgram Aura 2 — 300 мс, Rime Mist v3 — 319 мс и Coda — 339 мс (бенчмарк TTFA от Coval). Цифры самих поставщиков ниже, поскольку большинство останавливает отсчёт на первом байте; Coval учитывает и начальную тишину.
Inworld TTS-2: самый дешёвый и самый быстрый в этой группе#
Inworld TTS-2 Flash — самая низкая цена за символ в этом списке и самый быстрый из этих поставщиков в бенчмарке Coval. TTS-2 добавляет управление темпом и тоном с помощью естественного языка — это ближайший аналог инструкций по «актёрской игре» в Octave, а на странице цен указаны создание голоса и клонирование. Слабые места: цены зависят от тарифного уровня, поэтому смоделируйте свой объём до сравнения; для профессиональных клонов на бесплатном уровне On-Demand нужна привязанная карта; а за свой продукт speech-to-speech Inworld не публикует цену за минуту, поэтому пользователи EVI не могут оценить этот вариант по странице. Stork получает комиссию за регистрации в Inworld по ссылкам на этой странице.
ElevenLabs: больше всего языков и выразительное управление, но по более высокой цене#
ElevenLabs v4 поддерживает 90+ языков и аудиотеги для тонкого управления подачей, а Flash и v4 Turbo рассчитаны на низкую задержку (около 75 мс и 100 мс по данным самой ElevenLabs). Компания также продаёт API speech-to-speech и полноценную платформу агентов (ElevenLabs Agents, $0,08 за минуту плюс LLM). Слабые места: при $40–$80 за миллион символов в пересчёте на час аудио это в два–пять раз дороже Inworld, а в цене Agents LLM оплачивается дополнительно. Stork получает комиссию за регистрации в ElevenLabs по ссылкам на этой странице.
Cartesia Sonic: готовый путь миграции#
Cartesia публикует руководство по миграции с Hume Octave, которое сопоставляет поля запросов Hume с её собственным API и оставляет Hume за флагом, пока вы не переключитесь. Это страница конкурента, поэтому воспринимайте её как инструмент продаж, но это самая конкретная помощь при переносе из найденных нами. Sonic-3.6 поддерживает 44 языка. Слабые места: цены задаются кредитами по тарифу, поэтому пользователь с небольшим объёмом платит по ставке Pro около $2,40 в час; а Coval установила, что 45% времени до первого звука у Sonic 3.5 приходилось на начальную тишину. Партнёрских отношений нет.
Deepgram, Rime, OpenAI и MiniMax#
- Deepgram Aura-2 хорошо подходит, если вы уже используете Deepgram для распознавания речи: $30 за миллион символов, семь языков, при этом Deepgram теперь рекомендует для новых проектов свою более новую Flux TTS ($45). Клонирование голоса не указано. Партнёрских отношений нет.
- Rime тарифицирует по минутам аудио, что упрощает прогнозирование затрат, а бесплатный уровень даёт $50 использования в месяц. Mist v3 поддерживает 4 языка, Coda — 10. В бенчмарке Coval у Coda был уровень ошибок по словам 10,7% против 1,5%–3,1% у всех остальных моделей в рейтинге, поэтому проверьте её на собственных сценариях. Партнёрских отношений нет.
- OpenAI tts-1 делит с Inworld Flash звание самого дешёвого по цене за символ в этом списке, а gpt-4o-mini-tts тарифицируется по аудиотокенам ($12 за миллион выходных токенов). Самостоятельное клонирование голоса не указано. Партнёрских отношений нет.
- MiniMax speech-2.8 поддерживает 40 языков и предлагает создание голоса по текстовому описанию ($3) и быстрое клонирование ($1,50 за голос) — самое близкое соответствие функции создания голоса в Octave. Это самый дорогой вариант по цене за символ в этом списке. Партнёрских отношений нет.
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Выбор по сценарию использования#
| 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 |
Чек-лист миграции#
- Сегодня: скачайте нужное вам сгенерированное аудио и исходные записи для каждого клонированного голоса. Отметьте, какие голоса и настройки Hume использует каждая функция.
- Найдите вызовы: поищите в коде api.hume.ai и переменную с вашим API-ключом Hume. Вызовы Octave идут на /v0/tts; EVI использует WebSocket.
- Подключите нового поставщика за флагом, чтобы при необходимости на день вернуться назад, если голос звучит неправильно. После 13 ноября возвращаться будет некуда, поэтому по возможности протестируйте до этой даты.
- Заново создайте голоса у нового поставщика из сохранённого исходного аудио и прослушайте их на реальных сценариях, а не на демонстрационных фразах.
- Перепроверьте цены при вашем реальном объёме. Тарифные уровни снижают ставку вдвое и более у Inworld, на 20% у Rime и на 10% у Deepgram.
- Продумайте следующее отключение. За последний год также закрылись PlayHT и LMNT; см. наш список голосовых API, которые были закрыты, и их замен. Оркестратор, такой как Pipecat или LiveKit, превращает поставщика в значение конфигурации.
Часто задаваемые вопросы#
Когда прекращают работу API Hume EVI и Octave TTS?#
Доступ прекращается 13 ноября 2026 года в 12:01 по восточному времени США (EST), согласно уведомлению в журнале изменений Hume от 2 октября 2026 года. Оба API поддерживаются до этого момента, а данные учётных записей, по словам Hume, удаляются безвозвратно после этой даты.
Hume AI закрывается полностью?#
Нет. Hume прекращает работу API синтеза речи (Octave) и speech-to-speech (EVI), но компания продолжает работу с новым Audio Decisions API, который отвечает на вопросы об аудио, например, какую эмоцию проявляет звонящий.
Какая замена Hume EVI лучшая?#
Для той же архитектуры с одним API — OpenAI Realtime или Gemini Live. Для телефонного агента с фиксированной платой за минуту — Ultravox ($0,05 за минуту) или Deepgram Voice Agent API ($0,075 за минуту, включая управляемую LLM). Цены взяты со страниц поставщиков на 11 ноября 2026 года.
Какая альтернатива Hume Octave TTS самая дешёвая?#
Inworld TTS-2 Flash и OpenAI tts-1 оба стоят $15 за миллион символов по запросу, то есть около $0,72 за час аудио при 800 символах в минуту. Тариф Growth у Inworld снижает цену Flash до $7 за миллион.
Можно ли перенести клонированные голоса Hume к другому провайдеру?#
Напрямую нельзя: идентификаторы голосов не переносятся между поставщиками. Сохраните исходные записи, по которым создавался каждый клон, и воссоздайте голос у нового провайдера до того, как Hume удалит данные аккаунтов после 13 ноября 2026 года.
Какой TTS API имеет наименьшую задержку после Hume?#
В независимом бенчмарке Coval (30 дней до 28 октября 2026 года) Inworld TTS Flash 2 показал в среднем 81 мс до первого аудио, ElevenLabs v4 Turbo — 194 мс, Deepgram Flux TTS — 203 мс, Cartesia Sonic 3.6 — 292 мс. Coval продаёт услуги тестирования поставщикам голосовых решений.