跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

Hurston-1

Hurston-1 是一个为电话通信设计的带口音英语文本转语音模型。它支持南方美国和非洲英语口音,为电话线路和其他电话系统提供真实的语音合成。

查看模型
分享
查看模型
分享

Hurston-1 是由 Destined AI 开发的先进文本转语音 (TTS) 模型,专注于带口音的英语语音合成。该模型专门设计用于满足传统 TTS 系统常常忽视的口音,如南方美国口音、尼日利亚口音和各种非洲英语口音。基于 Maya1 基础模型构建,Hurston-1 引入了窄带 TTS (NB-TTS),优化了电话线路音频质量,提供适合电话系统(如 Twilio)的 8 kHz G.711 音频。

阅读更多

该模型使用多样化的数据集进行训练,包括真实的电话录音和高质量的演讲,确保输出真实清晰。它支持多种声音描述,包括性别、年龄、口音、风格和语速,使用户能够生成听起来自然且富有对话感的合成声音。Hurston-1 是 ClarityVoice 家族的一部分,代表了 Destined AI 对 AI 语音技术包容性的承诺。

Hurston-1 非常适合用于语音识别测试、模拟呼叫者、训练数据增强和电话系统的语音提示。它还用于教育目的,为学习者提供听力练习,并帮助客服人员熟悉口音。然而,该模型不支持跨会话保持一致的声音或克隆特定个体。

该模型的训练数据包括来自 Destined AI 的带口音英语语料库、LibriTTS-R 和 Mozilla Common Voice 的贡献,确保了坚实而多样的基础。虽然 Hurston-1 在口音准确性方面表现出色,但建议在关键应用中使用 --check 选项以确保可理解性和准确性。

  • 类别AI 模型与大语言模型
  • 定价模式开源
  • 部署云端
  • 平台网页版

  • 带口音的英语 TTS

  • 适用于电话通信的窄带 TTS

  • 支持南方美国和非洲英语口音

  • 基于 Maya1 模型

  • 8 kHz G.711 音频输出

  • 声音描述自定义

  • ClarityVoice 家族的一部分

  • 开源模型

  1. 访问模型:访问 Hugging Face 页面

  2. 身份验证:登录或注册

  3. 设置环境:按照说明进行操作

  4. 通过 API 集成:使用提供的端点

  5. 优化:自定义声音描述

  • 语音识别测试
  • 模拟呼叫者
  • 训练数据增强
  • 语音提示
  • 教育和培训

Hugging Face 旗下产品

Hurston-1 评价

加载中...

与 Hurston-1 类似的热门AI工具

Dia-1.6B是Nari Labs开发的文本转语音模型,具有16亿个参数。它能够从文本生成逼真的对话,支持情感和语调控制,并能够产生非语言声音。目前仅支持英语。

文字转语音
查看工具

Nari Labs开发的文本转语音模型,具有16亿个参数。它能够从文本生成逼真的对话,支持情感和语调控制,并能够产生非语言声音。目前仅支持英语。Dia-1.6B是Nari Labs开发的文本转语音模型,具有16亿个参数。它能够从文本生成逼真的对话,支持情感和语调控制,并能够产生非语言声音。目前仅支持英语。

文字转语音
查看 AI 模型 Top 5

Granite Speech 5.0 2B 是一个多语言语音语言模型,旨在实现自动语音识别和翻译。它支持英语、法语、德语、西班牙语、葡萄牙语和日语,提供更高的转录准确性和抗噪声能力。

AI 模型与大语言模型
查看工具

多语言语音语言模型,旨在实现自动语音识别和翻译。它支持英语、法语、德语、西班牙语、葡萄牙语和日语,提供更高的转录准确性和抗噪声能力。Granite Speech 5.0 2B 是一个多语言语音语言模型,旨在实现自动语音识别和翻译。它支持英语、法语、德语、西班牙语、葡萄牙语和日语,提供更高的转录准确性和抗噪声能力。

AI 模型与大语言模型
查看 AI 模型 Top 5

芝麻 CSM 是一个对话式语音模型,能够从文本和音频输入生成音频代码。它利用 Llama 主干,旨在用于研究和教育目的,促进 AI 技术的负责任使用。

AI 模型与大语言模型
查看工具

对话式语音模型,能够从文本和音频输入生成音频代码。它利用 Llama 主干,旨在用于研究和教育目的,促进 AI 技术的负责任使用。芝麻 CSM 是一个对话式语音模型,能够从文本和音频输入生成音频代码。它利用 Llama 主干,旨在用于研究和教育目的,促进 AI 技术的负责任使用。

精选AI 模型与大语言模型
查看 AI 模型 Top 5

Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。

AI 模型与大语言模型
查看工具

先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。

精选AI 模型与大语言模型
查看 AI 模型 Top 5

Bark AI Model

AI 模型

Bark是Suno开发的基于变换器的文本到音频模型,能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。

AI 模型与大语言模型
查看工具

AI 模型

Suno开发的基于变换器的文本到音频模型,能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。Bark是Suno开发的基于变换器的文本到音频模型,能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。

AI 模型与大语言模型
查看 AI 模型 Top 5

NVIDIA NemotronLabs VoiceChat 是一个实时全双工语音模型,用于对话式人工智能。它将语音理解和生成集成在一个架构中,减少延迟并增强自然对话流。

AI 模型与大语言模型
查看工具

实时全双工语音模型,用于对话式人工智能。它将语音理解和生成集成在一个架构中,减少延迟并增强自然对话流。NVIDIA NemotronLabs VoiceChat 是一个实时全双工语音模型,用于对话式人工智能。它将语音理解和生成集成在一个架构中,减少延迟并增强自然对话流。

AI 模型与大语言模型
查看 AI 模型 Top 5

Chatterbox Turbo 是 Resemble AI 开发的开源文本转语音模型,具有超快的性能,参数量为 3.5 亿,延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆,并提供用于表现性输出的副语言标签。

AI 模型与大语言模型
查看工具

Resemble AI 开发的开源文本转语音模型,具有超快的性能,参数量为 3.5 亿,延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆,并提供用于表现性输出的副语言标签。Chatterbox Turbo 是 Resemble AI 开发的开源文本转语音模型,具有超快的性能,参数量为 3.5 亿,延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆,并提供用于表现性输出的副语言标签。

AI 模型与大语言模型
查看 AI 模型 Top 5

Whistle 是一个紧凑的语音转文本模型,设计用于各种设备,提供转录、单词时间戳和多语言语音嵌入。它高效运行,无需依赖或 GPU 要求。

AI 模型与大语言模型
查看工具

紧凑的语音转文本模型,设计用于各种设备,提供转录、单词时间戳和多语言语音嵌入。它高效运行,无需依赖或 GPU 要求。Whistle 是一个紧凑的语音转文本模型,设计用于各种设备,提供转录、单词时间戳和多语言语音嵌入。它高效运行,无需依赖或 GPU 要求。

AI 模型与大语言模型
查看 AI 模型 Top 5
1/8