上下文语气演绎
模型先理解文本含义再决定语气，能识别讽刺、惊恐、厌恶等情绪线索，自动切换耳语、怒吼或平铺直叙的讲解口吻。
Octave TTS
AI TOOL PROFILE工具资料能读懂文本含义、按剧情演绎情绪的语音合成模型
官网地址 https://www.hume.ai/blog/octave-the-first-text-to-speech-model-that-understan…
价格官网未标价
平台Web / API
归类配音与音频
收录2026-10-12
复核2026-10-12
编辑评分
4.4 / 5
★★★★☆
Octave TTS编辑总结
Octave 是 Hume AI 推出的语音语言模型，其为首个面向文本转语音的大语言模型。它不只是把字念出来，而是先理解上下文，再决定用耳语、怒吼还是平静解释的语气，并且能根据一句角色描述凭空设计音色。在一项 180 名人类评分者参与的盲测中，120 条多样化提示下，Octave 的输出在音质上被 71.6% 的评分者优先于 ElevenLabs Voice Design，自然度 51.7%，与目标音色描述的匹配度 57.7%。未公开价格、免费额度与使用限额，接入前需要自行确认计费方式。
Octave TTS是什么？
Octave 是 Hume AI 发布的文本转语音模型，官方把它定义为 Omni-capable text and voice engine，并称其为第一个面向文本转语音的大语言模型。它面向的是需要「演」而不是「念」的场景：有声书、角色对白、广告旁白、游戏配音等。
与只做字面朗读的传统 TTS 不同，Octave 会先判断文本里的情绪线索和人物特征，再决定语调、节奏和音色。给的例子包括：面对一句明显带讽刺意味的台词，模型会自动生成讽刺语气；面对全大写的惊恐台词，会模拟出强烈的厌恶反应；面对短促排比的句子，会调整重音与停顿。
使用路径上，普通用户可以直接在 Playground 里输入文本、点击 Generate，不选音色时模型会根据脚本自行发明一个声音，试听后用播放器旁的三点菜单把结果存成新音色。开发者则可以用 Voice Design 功能，通过一句角色描述来定制声音，官方说明描述可以叠加口音、人群、职业等多重特征。
Octave TTS核心功能
提示词设计音色
Voice Design 支持用一句角色描述生成声音，描述可叠加口音、人群、职业等特征，官方举例「耐心共情的咨询师，带 ASMR 嗓音」。
无音色即兴生成
在 Playground 里不选任何音色直接点 Generate，模型会仅凭脚本内容自行发明一个匹配角色设定与场景的声音。
结果存为自定义音色
试听满意后，可用音频播放器旁的三点菜单把本次生成结果保存为新音色，供后续同类脚本复用，省去重复描述。
角色自动识别
模型会从脚本里的代词、缩写形式和用词习惯判断说话者身份，为角色生成前后一致的声音，而不是每条台词各念各的。
节奏重音智能调整
根据句子含义安排停顿与重音，短促排比句式会加重语气，长句会自然分句，其像人类演员读剧本一样处理文本。
Octave TTS适合谁用？
有声书与广播剧制作
推荐需要同一角色跨章节声音一致、并按剧情切换情绪。Octave 会依据代词和用词判断说话者，适合多人对白本的初版试音。
游戏与动画配音预演
推荐策划阶段需要快速试出角色声音方向。用 Voice Design 描述「戏剧化的中世纪骑士」一类的角色，几分钟就能拿到可听的样音。
广告与短视频旁白
有条件脚本往往自带情绪起伏，模型能自动读出讽刺或激昂感。未公开计费方式，批量产出前需先确认调用成本。
对白时长精确到帧的剪辑
有条件宣传集中在情绪表现与音色设计，未说明是否支持指定语速或时长对齐，需要卡点报时的项目不一定好落地。
Octave TTS优点和缺点
优点
- 盲测中音质被 71.6% 的评分者优先于 ElevenLabs Voice Design
- 自然度 51.7%、音色描述匹配度 57.7%，基于 120 条提示的对比
- 能识别讽刺、惊恐等上下文情绪，自动切换语气而非平铺直叙
- 一句角色描述即可设计音色，可叠加口音、职业、人群等特征
- 不指定音色时可按脚本自行发明声音，适合快速试方向
缺点
- 未公开价格、免费额度与调用限额
- 未说明具体支持哪些语言与口音范围
- 其为首个面向 TTS 的大语言模型，但盲测仅覆盖 180 名评分者
Octave TTS关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 盲测评分人数 | 180 名人类评分者 | Hume AI 官方博客盲测说明 |
| 盲测提示数量 | 120 条多样化提示 | Hume AI 官方博客盲测说明 |
| 音质偏好率 | 71.6% | 对比 ElevenLabs Voice Design 的盲测结果 |
| 自然度偏好率 | 51.7% | 对比 ElevenLabs Voice Design 的盲测结果 |
| 音色描述匹配度 | 57.7% | 对比 ElevenLabs Voice Design 的盲测结果 |
Octave TTS常见问题
Octave 和普通语音合成有什么不一样？＋
普通 TTS 是把文字逐字读出来，Octave 是语音语言模型，会先判断这句话在上下文里是什么意思。举例：一句阴阳怪气抱怨 logo 颜色的台词，它会读出讽刺语气；一句全大写的惊恐台词，它会模拟强烈厌恶反应。这种理解能力来自模型对剧情转折、情绪线索和角色特征的解读。
怎么让 Octave 生成我想要的声音？＋
两条路。一是用 Voice Design，写一句角色描述，比如「耐心共情的咨询师，带 ASMR 嗓音」或「戏剧化的中世纪骑士」，描述可以叠加具体口音、人群、职业等特征。二是跳过描述，在 Playground 里直接点 Generate，模型会只根据脚本内容自己发明一个声音，试听后用播放器旁的三点菜单保存成新音色。
Octave 和 ElevenLabs 比谁更好？＋
官方做了一项盲测：180 名人类评分者、120 条多样化提示，Octave 的输出在音质上被 71.6% 的人优先选择，自然度 51.7%，与目标音色描述的匹配度 57.7%，对比对象是 ElevenLabs Voice Design。也就是说音质优势比较明显，自然度和描述匹配度是微弱领先，实际选型还取决于你需要的语言和接入方式。
生成的声音能存下来重复用吗？＋
可以。在 Playground 生成满意结果后，用音频播放器旁边的三点菜单可以把这段输出保存为一个新音色，之后写同类角色脚本时直接调用即可，不必每次重新描述。这样也便于同一角色在多个片段里保持声音一致。
Octave 支持哪些语言？＋
官网在示例中展示了英语口音的角色描述，并多次以英文台词举例，但没有列出完整支持的语种清单，也没有说明中文或其他语言下的表现。如果需要非英语配音，建议先用自己语种的短句在 Playground 里试听再决定。
怎么接入 Octave，有 API 吗？＋
中提到了 Playground 和 Voice Design 两个入口，前者可以直接在线输入文本试听，后者用于按描述定制音色。
Octave TTS最新动态
-
Octave 正式发布
Hume AI 推出 Octave，其为首个面向文本转语音的大语言模型，支持情绪演绎、Voice Design 音色设计与无音色即兴生成。
