¿Qué es Hume AI?
Hume AI, con sede en Nueva York, es ahora una empresa de análisis de audio. Su Audio Decisions API, lanzada el 2 de noviembre de 2026, recibe un archivo MP3 o WAV de 1 segundo a 5 minutos y hasta 25 preguntas que tú escribes, como "¿Cuánta frustración se nota en quien llama?" o "¿Hay música de fondo?". Devuelve probabilidades, no texto: un sí o no, una opción, una puntuación en una escala o los tramos de tiempo en que ocurre algo como una risa. Cada probabilidad estima la proporción de oyentes humanos que darían esa respuesta. Hume dice que el modelo se entrenó con decenas de millones de juicios de oyentes y coincidió con la media de un panel el 70,7% de las veces, frente al 56,5% de un solo evaluador humano.
Los productos de voz de Hume han desaparecido. Su Empathic Voice Interface (EVI) para agentes de voz y su API de texto a voz Octave cerraron el 13 de noviembre de 2026 a las 12:01 a. m. EST, según un aviso publicado el 2 de octubre, y Hume dice que los datos que quedaran en esas cuentas se borran de forma permanente. Las voces guardadas y clonadas de Octave no se podían exportar. La documentación para desarrolladores ya solo recoge Audio Decisions y la API anterior Expression Measurement. En enero de 2026 el fundador Alan Cowen y varios ingenieros se fueron a Google DeepMind mediante un acuerdo de licencia; Hume siguió siendo independiente, dirigida por Andrew Ettinger.
¿Merece la pena Hume AI?
La transcripción de una llamada de soporte te dice lo que dijo el cliente. No te dice que su "estoy bien" sonó plano y cansado, ni que había un perro ladrando y el agente le pisaba al hablar. Obtener esas respuestas solía exigir encadenar modelos distintos para contar hablantes, detectar emociones, idioma y ruido de fondo.
La Audio Decisions API de Hume lo pregunta todo en una sola petición. Escribes las preguntas en lenguaje llano, adjuntas hasta 5 minutos de audio y recibes números con los que tu código puede actuar: la probabilidad de que quien llama suene frustrado, los segundos en que alguien se ríe. Nunca transcribe, así que se combina con un servicio de voz a texto como AssemblyAI en lugar de sustituirlo. Hume dice que superó a Gemini 3.8 Flash, gpt-audio-1.5 y otros en 10 benchmarks con una media de 0,82, aunque son pruebas de la propia Hume.
El precio es el atractivo. La documentación de facturación de Hume calcula que una llamada de soporte de 5 minutos con seis preguntas son unos 26.400 tokens de entrada, que a $0.47 por millón salen a poco más de un céntimo. Vigilar una llamada en directo en clips de 5 segundos supone unos 6.400 tokens por minuto. Las respuestas no se cobran, ni tampoco las peticiones rechazadas.
La pega: es una API v0 tras una lista de espera, de una empresa en plena reinvención. El 2 de octubre Hume dio a los desarrolladores seis semanas antes de que EVI y Octave se detuvieran, con borrado posterior de los datos de las cuentas y voces clonadas imposibles de exportar. La documentación de Hume también dice que el modelo puede actualizarse sin cambiar la API, así que las respuestas pueden moverse bajo los umbrales que hayas ajustado. Las condiciones de privacidad dejan huecos para un producto que recibe voces de personas. La API Data Usage Policy de Hume dice que no usa los datos enviados por los clientes para entrenar sus propios modelos, pero esa página no tiene fecha y no nombra este producto, la política de privacidad general (actualizada por última vez en febrero de 2025) excluye el contenido de la API, y la documentación no dice cuánto tiempo se guarda el audio subido. Cada petición queda registrada como un run que guarda la petición y el tamaño del audio; si se guarda el propio audio no está publicado.
Nuestra opinión: para puntuar un conjunto de voces sintéticas o muestrear un archivo de llamadas, el coste es tan bajo que el riesgo es pequeño; como capa emocional de un producto en producción, necesita un acuerdo de tratamiento de datos firmado y un plan para el día en que Hume vuelva a cambiar de rumbo.
Dónde se gana su sitio
Un equipo de IA de voz que prueba modelos de texto a voz antes del lanzamiento
Puntuar miles de clips generados por naturalidad, fallos y pronunciación
Envía cada clip de 10 segundos con tres preguntas; la documentación de facturación de Hume calcula unos 1.000 tokens por clip, así que 10.000 clips son unos 10M de tokens, o $4.70. Hume también lo presenta como retroalimentación para entrenar voces.
Una responsable de calidad en un centro de contacto
Encontrar cada llamada en la que el cliente sonó frustrado y el agente le interrumpió
Lanza las mismas preguntas sobre una muestra de llamadas grabadas, divide las largas en partes de 5 minutos con el SDK y manda las puntuaciones altas a revisión humana. Pide un acuerdo de tratamiento de datos a legal@hume.ai antes de enviar voces de clientes.
Un desarrollador que crea un agente de voz sobre la pila de voz de otro proveedor
Dar al LLM del agente pistas sobre el tono, no solo la transcripción
Envía clips de 5 segundos de quien llama junto con la voz a texto y pasa las probabilidades al LLM con las reglas de negocio. La documentación de Hume dice que la mayoría de preguntas necesitan 5 segundos o más de audio para ser fiables.
Antes de decidirte
- Puesta en marcha
- Apúntate a la lista de espera; cuando te den acceso, crea una clave de API en la Hume Platform y envía un POST multipart a https://api.cloud.hume.ai/v0/decisions/file con la cabecera X-Hume-Api-Key, o instala el SDK hume-audio-decisions para Python o @humeai/audio-decisions para TypeScript.
- Integraciones
- Solo REST sobre HTTP, SDK para Python y TypeScript, una skill de Audio Decisions para Claude Code, Codex y Cursor, y un servidor MCP de documentación. No devuelve transcripción; combínala con una API de voz a texto.
- Datos y privacidad
- La API Data Usage Policy de Hume dice que no usa los datos enviados por los clientes para entrenar sus propios modelos. No se publica cuánto se conserva el audio subido a Audio Decisions; los runs registran la petición y el tamaño del audio. Informe SOC 2 a petición. Los datos de las cuentas de EVI y TTS se borraron después del 13 de noviembre de 2026. ¿Qué herramientas de IA se entrenan con tus datos?
- Coste a escala
- $0.47 por 1M de tokens de entrada. Estimaciones de Hume: una llamada de 5 minutos con seis preguntas son unos 26.400 tokens; la vigilancia en directo en clips de 5 segundos, unos 6.400 tokens por minuto. Precios por volumen a través de ventas.
- Límites
- Un MP3 o WAV de 1 segundo a 5 minutos y hasta 25.000.000 bytes por petición; hasta 20 preguntas de opción, puntuación o sí o no y 5 preguntas de tramo; contexto de hasta 1.000 caracteres; 600 peticiones por minuto por organización.
Lo bueno
- Preguntas en lenguaje llano sobre audio, respondidas como probabilidades en una llamada
- Alrededor de un céntimo por una llamada de 5 minutos con seis preguntas, a $0.47 por 1M de tokens
- Capta tono, solapamientos y sonido de fondo que una transcripción pierde
- 600 peticiones por minuto por organización; SDK para Python y TypeScript
- Dice que no entrena con los datos que los clientes envían a la API
Lo malo
- EVI y Octave TTS cerraron el 13 de noviembre de 2026, con borrado de los datos de las cuentas
- Acceso por lista de espera y una API v0 cuyas respuestas pueden cambiar con actualizaciones del modelo
- No se publica cuánto tiempo se guarda el audio subido
- Sin transcripción, así que sigues necesitando un servicio de voz a texto aparte
- Los benchmarks son de la propia Hume
Ideal para
Desarrolladores que evalúan voces sintéticas o muestrean grabaciones de llamadas, quieren juicios sobre tono y sonido en forma de números y pueden convivir con una API v0 con lista de espera.
Alternativas a Hume AI
Hume AI: preguntas frecuentes
- ¿Merece la pena Hume AI?
- La API de preguntas y respuestas sobre audio de Hume es ingeniosa y barata, pero una empresa que apagó sus productos de voz con seis semanas de aviso tiene que recuperar la confianza antes de que construyas sobre ella. Le damos un 3.4 sobre 5.
- ¿Cuánto cuesta Hume AI?
- Audio Decisions: $0.47 por 1M de tokens de entrada, sin compromiso, con un crédito de prueba de 1M de tokens cuando se concede el acceso. El acceso es por lista de espera. Precios por volumen para Enterprise y despliegue en VPC, en local o en el país, a petición. EVI y Octave TTS cerraron el 13 de noviembre de 2026.
- ¿Qué inconvenientes tiene Hume AI?
- EVI y Octave TTS cerraron el 13 de noviembre de 2026, con borrado de los datos de las cuentas; acceso por lista de espera y una API v0 cuyas respuestas pueden cambiar con actualizaciones del modelo; no se publica cuánto tiempo se guarda el audio subido; sin transcripción, así que sigues necesitando un servicio de voz a texto aparte; los benchmarks son de la propia Hume.
- ¿Para quién es Hume AI?
- Desarrolladores que evalúan voces sintéticas o muestrean grabaciones de llamadas, quieren juicios sobre tono y sonido en forma de números y pueden convivir con una API v0 con lista de espera.
- ¿Cuánto cuesta Hume AI para un equipo o en producción?
- $0.47 por 1M de tokens de entrada. Estimaciones de Hume: una llamada de 5 minutos con seis preguntas son unos 26.400 tokens; la vigilancia en directo en clips de 5 segundos, unos 6.400 tokens por minuto. Precios por volumen a través de ventas.
- ¿Es Hume AI seguro para los datos de la empresa?
- La API Data Usage Policy de Hume dice que no usa los datos enviados por los clientes para entrenar sus propios modelos. No se publica cuánto se conserva el audio subido a Audio Decisions; los runs registran la petición y el tamaño del audio. Informe SOC 2 a petición. Los datos de las cuentas de EVI y TTS se borraron después del 13 de noviembre de 2026.
- ¿Cuáles son las mejores alternativas a Hume AI?
- Las alternativas más cercanas que hemos analizado son AssemblyAI y ElevenLabs.
Respuestas comprobadas el 16 nov 2026.