Destined AI 开源南方与非裔美式口音 TTS 模型 Hurston-1
Show HN: Hurston-1 open source TTS that speak Southern American and Afro-English
Destined AI 开源了窄带 TTS 模型 Hurston-1(Apache-2.0),擅长美式英语及南方、区域非裔美式口音,面向电话场景。作者自 2021 年起收集 2 万余人授权语音数据、100 万条录音、超 1,800 小时音频,本次用其中 136 小时微调 Maya1。
作者公开了训练数据规模、客户与收入,可对照评估开源语音模型的商业化路径。
大家好 HN,我正在将我的 Hurston-1 窄带 TTS 模型开源(Apache-2.0)。它在美式英语上表现出色,尤其擅长美国南方口音和非洲地区英语口音。Destined AI 总部位于亚特兰大,我开发这个模型是因为我对 AI 的能力感到惊叹,同时也希望帮助更多人接触并欢迎他们,让他们能自在地使用和与 AI 互动。
自 2021 年以来,我一直在收集来自 20,000 多人的完全授权语音数据,包括 1M 条音频录音和至今采集的 1,800 多小时音频。对于这个模型,我使用了其中一小部分数据——136 小时——来微调 Maya1 并扩展其能力。
Hurston-1 是一个窄带 TTS 模型,将输出重点放在电话场景上,因为这些声音目前主要还是在电话中被听到。我曾用它为 Amazon 和 Salesforce 等客户提供支持,并借此创造了超过 half-mill 的收入。现在我将其开源,以帮助他人同样解锁机会。
局限性:该模型无法在不同提示词之间保持完全相同的声音,也不支持声音克隆。对于许多用例来说这没问题,但如果你要制作播客,可能就不那么理想了。
这是首个版本——我已经在开发下一个版本并进行改进。
如果有人对这个领域感兴趣,欢迎从 huggingface 下载该模型,试用后告诉我你的反馈。同时,我也很乐意与这个领域的其他人建立联系。
来源:Hacker News · 首页 · news.ycombinator.com