メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Hurston-1

AI モデルAIモデルとLLMオープンソース · Web

Hurston-1は、電話用に設計されたアクセント付き英語のテキスト読み上げモデルです。南部アメリカ英語とアフロ英語のアクセントをサポートし、電話回線やその他の電話システム向けにリアルな音声合成を提供します。

モデルを見る
共有
モデルを見る
共有

Hurston-1は、アクセント付き英語の音声合成に焦点を当てた、Destined AIによって開発された高度なテキスト読み上げ(TTS)モデルです。このモデルは、南部アメリカ英語、ナイジェリア英語、さまざまなアフリカ英語のアクセントなど、従来のTTSシステムでは見落とされがちなアクセントに対応するよう特別に設計されています。Maya1ベースモデルを基に構築されたHurston-1は、電話回線の音質に最適化されたナローバンドTTS(NB-TTS)を導入し、電話システム(Twilioなど)に適した8 kHz G.711オーディオを提供します。

続きを読む

このモデルは、実際の電話通話録音やスタジオ品質の音声を含む多様なデータセットを使用して訓練されており、リアルで明瞭な出力を保証します。性別、年齢、アクセント、スタイル、ペースなど、さまざまな音声の説明をサポートしており、ユーザーは自然で会話的な音声を生成できます。Hurston-1はClarityVoiceファミリーの一部であり、AI音声技術における包括性へのDestined AIのコミットメントを表しています。

Hurston-1は、音声認識テスト、音声エージェントのためのシミュレートされた呼び出し、トレーニングデータの拡張、電話システムの音声プロンプトなどのアプリケーションに最適です。また、学習者のためのリスニング練習やカスタマーサービススタッフのためのアクセントの習熟を提供する教育目的にも役立ちます。ただし、このモデルはセッション間での一貫した音声をサポートしたり、特定の個人をクローンしたりすることはできません。

モデルの訓練データには、Destined AIのアクセント付き英語コーパス、LibriTTS-R、Mozilla Common Voiceからの貢献が含まれており、堅牢で多様な基盤を確保しています。Hurston-1はアクセントの正確性に優れていますが、重要なアプリケーションでは可聴性と正確性を確保するために--checkオプションの使用を推奨します。

  • カテゴリーAIモデルとLLM
  • 料金モデルオープンソース
  • デプロイクラウド
  • プラットフォームWeb

  • アクセント付き英語TTS

  • 電話用のナローバンドTTS

  • 南部アメリカ英語とアフロ英語のアクセントをサポート

  • Maya1モデルに基づいて構築

  • 8 kHz G.711オーディオ出力

  • 音声説明のカスタマイズ

  • ClarityVoiceファミリーの一部

  • オープンソースモデル

  1. モデルにアクセス: Hugging Faceページを訪問

  2. 認証: ログインまたはサインアップ

  3. 環境を設定: 指示に従う

  4. API経由で統合: 提供されたエンドポイントを使用

  5. 最適化: 音声説明をカスタマイズ

  • 音声認識テスト
  • シミュレートされた呼び出し
  • トレーニングデータの拡張
  • 音声プロンプト
  • 教育とトレーニング

Hugging Face の製品

Hurston-1 のレビュー

読み込み中...

Hurston-1 に似た人気のAIツール

Dia-1.6Bは、Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。

テキスト読み上げ
ツールを見る

Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。Dia-1.6Bは、Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。

テキスト読み上げ
AI モデル トップ5を見る

Granite Speech 5.0 2Bは、自動音声認識と翻訳のために設計された多言語音声言語モデルです。英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語をサポートし、転写精度とノイズ耐性が向上しています。

AIモデルとLLM
ツールを見る

自動音声認識と翻訳のために設計された多言語音声言語モデルです。英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語をサポートし、転写精度とノイズ耐性が向上しています。Granite Speech 5.0 2Bは、自動音声認識と翻訳のために設計された多言語音声言語モデルです。英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語をサポートし、転写精度とノイズ耐性が向上しています。

AIモデルとLLM
AI モデル トップ5を見る

セサミCSMは、テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。

AIモデルとLLM
ツールを見る

テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。セサミCSMは、テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。

注目AIモデルとLLM
AI モデル トップ5を見る

whisper-large-v3

AI モデル

Whisper-large-v3は、自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。

AIモデルとLLM
ツールを見る

AI モデル

自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。Whisper-large-v3は、自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。

注目AIモデルとLLM
AI モデル トップ5を見る

Bark AI Model

AI モデル

Barkは、Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。

AIモデルとLLM
ツールを見る

AI モデル

Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。Barkは、Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。

AIモデルとLLM
AI モデル トップ5を見る

NVIDIA NemotronLabs VoiceChatは、会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。

AIモデルとLLM
ツールを見る

会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。NVIDIA NemotronLabs VoiceChatは、会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。

AIモデルとLLM
AI モデル トップ5を見る

Chatterbox Turbo

AI モデル

Chatterbox Turboは、Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。

AIモデルとLLM
ツールを見る

AI モデル

Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。Chatterbox Turboは、Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。

AIモデルとLLM
AI モデル トップ5を見る

Whistleは、さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。

AIモデルとLLM
ツールを見る

さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。Whistleは、さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。

AIモデルとLLM
AI モデル トップ5を見る
1 / 8