开源 TTS 模型 Hurston-1 支持多种英语口音

Hurston-1 是一个开源的文本转语音模型，能够模拟南方美国英语和非洲英语的口音。该模型由 Destined AI 开发，基于 Maya1 进行微调，支持多种英语口音，包括南方美国、尼日利亚、西非、东非、南非以及更广泛的美国英语。它是 Destined AI ClarityVoice 家族中的第一个开源模型。

Hurston-1 的训练数据部分来源于真实电话通话，其电话模式能够输出 8 kHz G.711 音频，适用于 Twilio 等电话系统。模型可以通过简单的语言描述进行控制，支持不同的性别、年龄、口音、风格和语速。开发者通过记录美国南方和非洲的付费贡献者声音，使得该模型能够更准确地模拟这些地区的口音，填补了现有 TTS 系统在这些方面的空白。

该模型使用 pip 安装 torch、transformers、snac、soundfile、scipy 和 speechbrain（仅用于 --check）进行运行。示例代码展示了如何使用该模型生成带有特定口音和性别的语音文件。模型的名字是为了纪念作家佐拉·尼尔·赫斯顿，她曾记录了南方黑人真实的声音和语言。