Hume AIが開発する音声AIプラットフォーム。ユーザーの声のトーンやリズムから感情を読み取り、共感的な音声で応答する会話型モデル「EVI」と、高品質なテキスト読み上げ・音声クローニングを行う音声生成モデル「Octave」を提供する。10万種類以上のカスタム音声に対応し、ClaudeやGeminiなど主要LLMと組み合わせて使える。Python/TypeScript/React向けSDKなど開発者向けAPIが整備されており、音声アシスタント・カスタマーサポート・ナレーション生成などのアプリケーションに組み込める。2025年にはEVI 3や多言語対応の次世代TTSモデル「Octave 2」が登場し、応答速度と表現力が大きく向上している。
主な特徴
- 感情を読み取る会話型AI「EVI」: 声のトーン・リズム・抑揚から話者の感情の手がかりを解析し、文脈に合った共感的なトーンで音声応答する。EVI 3では300ミリ秒以下の低遅延応答を実現
- 表現力の高いTTS「Octave」: 文章の意味を理解して読み方を変える音声生成モデル。2025年10月発表のOctave 2では11言語に対応し、生成速度も従来比40%高速化（200ミリ秒以下）
- 10万種類以上のカスタム音声: 豊富なボイスライブラリに加え、プロンプトから新しい声をデザインしたり、音声クローニングで特定の声を再現したりできる
- 主要LLMとの連携: EVIの対話の「頭脳」としてClaudeやGeminiなど外部LLMを指定でき、自社のユースケースに合わせた会話設計ができる
- 開発者向けSDKの充実: Python/TypeScript/React向けSDKとREST/WebSocket APIを提供。音声アプリへの組み込みが数行のコードで始められる
- ボイスチェンジや音素編集: Octave 2では声質変換（voice conversion）や音素単位の発音編集など、音声制作向けの細かな制御機能も提供
料金
| プラン | 月額料金 | 主な内容 |
|---|---|---|
| Free | $0 | TTS 10,000文字（約10分）、EVI 5分、同時接続1 |
| Starter | $3 | TTS 30,000文字、EVI 40分、同時接続5 |
| Creator | $7 | TTS 140,000文字、EVI 200分、同時接続5 |
| Pro | $70 | TTS 1,000,000文字、EVI 1,200分、同時接続10 |
| Scale | $200 | TTS 3,300,000文字、EVI 5,000分、チームシート3 |
| Business | $500 | TTS 10,000,000文字、EVI 12,500分、チームシート5 |
| Enterprise | 要問い合わせ | 無制限利用、SOC 2 Type II/GDPR/HIPAA対応、Slackサポート |
料金は2026年8月時点の情報です。最新の料金は公式サイトをご確認ください。
メリット・デメリット
✅ メリット
- 感情認識と音声生成を1つのプラットフォームで扱える点が独自で、共感的な音声体験を作りやすい
- EVI 3・Octave 2とも応答速度が速く（200〜300ミリ秒以下）、リアルタイム会話に耐える
- 無料プランと月額$3からの少額プランがあり、個人開発者でも試しやすい
- SDK・ドキュメントが整備されており、プロトタイプ構築までの距離が短い
- LLMを差し替えられる設計で、既存のAIスタックと組み合わせやすい
⚠️ デメリット
- 日本語を含む多言語対応は進んでいるものの、英語に比べると事例・情報が少ない
- 利用量ベースの課金のため、大規模利用ではコスト見積もりを慎重に行う必要がある
- チャットUIで完結する一般向けツールではなく、活用には基本的に開発（API組み込み）が前提になる
- 感情認識の精度は話し方や音声品質に左右され、常に正確とは限らない
類似サービスとの比較
| 比較項目 | Hume | ElevenLabs | Cartesia | OpenAI（音声API） |
|---|---|---|---|---|
| 主な用途 | 感情認識＋音声対話・TTS | TTS・音声クローン | 低遅延TTS・音声エージェント | 音声対話・TTS・文字起こし |
| 感情認識 | 中核機能（EVI） | 限定的 | 限定的 | 限定的 |
| 音声クローン | 対応 | 対応（高品質で有名） | 対応 | 非対応（プリセット音声） |
| 会話型エージェント | EVI（速度重視の統合型） | Agents Platformあり | あり | Realtime APIあり |
| 無料枠 | あり | あり | あり | なし（従量課金） |
こんな人におすすめ
- 音声アシスタントやAIコールセンターなど、感情に配慮した音声対話アプリを作りたい開発者
- ナレーション・オーディオブックなどで、文脈を踏まえた表現力の高い読み上げを求めるクリエイター
- ClaudeやGeminiなど既存のLLMスタックに「声」のレイヤーを足したいチーム
- まず無料枠や月額数ドルのプランで音声AIの実力を試したい個人開発者
まとめ
Humeは、「感情を読み取る」ことを中核に据えた点で他の音声AIと一線を画すプラットフォームである。EVIによる共感的なリアルタイム対話とOctaveによる表現力の高い音声生成を1つのAPI群で扱え、料金も無料から段階的に用意されている。活用には開発が前提になるが、音声体験の質にこだわるプロダクトを作るなら有力な選択肢になる。