Hurston-1: озвучка с акцентами юга США и африканского английского по Apache-2.0

136 часов из этого архива ушли на дообучение Maya1. Так получился Hurston-1: озвучка с акцентами юга США, нигерийским (в том числе йоруба и игбо), западно- и восточноафриканским, южноафриканским. Веса лежат на Hugging Face под Apache-2.0.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Для тех, кто собирает голосовых ботов, это кусок работающего прода: модель отдаёт звук в том формате, который телефонные системы принимают напрямую.

Что внутри. 3 млрд параметров в BF16, два файла safetensors на 6,6 ГБ, база — Maya1 от Maya Research. Голос задаётся текстовым описанием, а не выбором спикера: пол, возраст и акцент пишутся словами. По умолчанию выход 24 kHz, телефонный режим отдаёт 8 kHz G.711 mu-law.

Как запустить. Зависимости ставятся одной командой `pip install torch transformers snac soundfile scipy speechbrain`. Дальше голос синтезируется из командной строки: `python hurston.py --model . --check --accent "Nigerian English accent" --gender Female --text "Good afternoon." --out hello.wav`. Базовой Maya1 для одиночного инференса нужен CUDA-GPU с 16 ГБ VRAM.

Веса дают после согласия поделиться данными аккаунта Hugging Face: список файлов открыт всем, скачивание закрыто. В треде Show HN на это жаловались, а демо-сэмплы у части читателей не проигрывались.

Ограничения автор вписал в карточку сам: один и тот же голос между вызовами не повторяется, клонирования голоса нет, язык только английский, имена, даты и суммы модель произносит с ошибками. Для подкастов он её не советует.

Обучающая смесь — около 190 часов: 136 часов корпуса Destined AI, 46 часов LibriTTS-R и 10,5 часа Common Voice. Русского в списке акцентов нет.

В следующей версии автор обещает настройку акцента вплоть до города и региона.