用途：Hume Octave 用于对表演质量有要求的语音场景，如角色旁白、情感多变的配音、交互式播放、品牌音色、多语言旁白、经同意的声音克隆、声音转换，以及需要词/音素时间戳的音频。资料明确它不适合音乐、歌唱、非语音音效、混音母带、音源分离或视频生成，这些需另用音频后期工具处理响度、降噪、闪避、淡入淡出与文件标准化。
主要能力：Octave 是 Hume 的语音语言模型，官方称其用语言模型智能从语义和情感上理解文本。TTS API 支持流式 HTTP 输出、WebSocket 双向流式和非流式 HTTP 响应。主要端点有 /v0/tts、/v0/tts/file、/v0/tts/stream/json、/v0/tts/stream/file 及 WebSocket wss://api.hume.ai/v0/tts/stream/input。utterance 可含 text、可选 voice、可选 description、speed、trailing_silence。speed 为 0.5 到 2.0 的非线性标度。description 表演指令仅文档化于 Octave 1；Octave 2 支持时间戳，需 version:"2" 且必须指定 voice。语音设计目前需 Octave 1，其设计声音可用于 Octave 2 请求。声音克隆可用麦克风录音或上传音频，访问取决于订阅层级，TTS 概览称最少约 15 秒音频。声音转换接受语音音频加目标音色，保留源语音模式、时序和情感，输入建议清晰人声、至少 12 秒且少于 3 分钟，支持 MP3、WAV、M4A、OGG，推荐 44.1 kHz。
使用方式：需要设计音色时用 Octave 1 生成多个候选，试听后保存胜出者，后续合成用保存的声音 ID 或名称。名称引用时，Hume Voice Library 声音加 provider:"HUME_AI"，自定义声音加 provider:"CUSTOM_VOICE"。需要即时播放用流式端点；需要一句话多候选可用 num_generations 最多 5；需要字幕、口型或精确剪辑点用 Octave 2 的 include_timestamp_types: ["word"] 或 ["word","phoneme"]。长篇内容应按自然表演节拍拆分，多次 utterance 或通过 context.generation_id 续接。
适用场景与限制：资料显示 Octave 1 支持英语和西班牙语，Octave 2 预览支持英语、日语、韩语、西班牙语、法语、葡萄牙语、意大利语、德语、俄语、印地语、阿拉伯语。TTS API 限制为每 utterance 5,000 字符、每 utterance description 1,000 字符、每请求最多 5 次生成，输出格式 MP3、WAV、PCM。模型延迟文档称 Octave 1 约 200ms、Octave 2 预览约 100ms（不含网络传输）。定价、每月含 TTS 字符数、每分钟请求限制、声音克隆可用性及商用权限随计划不同；条款称 Free 和 Starter 计划限非商业用途，Creator 及以上在遵守政策下可商用。API 数据使用政策称客户提交的 API 数据不用于训练模型。克隆或转换前须确认权利与同意。资料中关于价格、语言列表、模型状态等易变事实的核验日期为 2026-07-10，引用前应重新核对。