Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Show HN
Show HN: Hurston-1, TTS open source con acentos del sur de EE. UU. y de inglés africano
Destined AI, con sede en Atlanta, publica con licencia Apache-2.0 Hurston-1, un modelo de síntesis de voz en banda estrecha pensado para la telefonía. Es un ajuste fino de Maya1 y habla inglés americano, sureño y varios acentos africanos.
Foto: vía huggingface.co
1 medio · MadridPublicada 25 oct, 20:35· Ya no está en portadaEscrita por IA · cómo funciona
Hurston-1 es un fine-tune de Maya1 (Apache-2.0) que Destined AI ha entrenado con 136 horas de audio. Procede de un fondo propio de más de 1.800 horas, un millón de grabaciones y más de 20.000 personas, con voces recogidas con consentimiento desde 2021. El autor dice que lo ha usado con clientes como Amazon y Salesforce y que ha generado más de medio millón en ingresos.
El modelo se centra en inglés americano y en acentos que, según sus autores, los sistemas de TTS suelen tratar mal: sureño de EE. UU., nigeriano (también yoruba e igbo), de África occidental, oriental (incluido swahili) y meridional. La voz se describe en lenguaje natural con género, edad, acento, estilo y ritmo, y cada llamada genera una voz nueva que encaja con esa descripción.
Su rasgo distintivo es el modo NB-TTS (narrowband): filtra la salida a la banda telefónica de 300 a 3.400 Hz, la remuestrea a 8 kHz y la codifica en G.711 mu-law o A-law, listo para Twilio y otros sistemas de telefonía. Unas 10 horas del entrenamiento son audio de llamadas reales con agentes de voz de IA. El audio completo a 24 kHz sigue siendo el predeterminado.
En la evaluación de la ficha, un clasificador de acento (africano frente a americano) puntúa a Hurston-1 por encima de Maya1 base en todos los acentos africanos; por ejemplo, 0,95 frente a 0,60 en inglés del sur de África. El acento sureño se comprobó escuchándolo, porque el clasificador no distingue entre sureño y americano general. En inteligibilidad, el WER medio con Whisper es de 0,03 en frases cotidianas (0,02 en Maya1) y, en frases difíciles, baja de 0,145 a 0,062 con la opción --check, que reintenta las tomas que Whisper no sigue bien.
Entre las limitaciones, el modelo no mantiene la misma voz entre llamadas ni clona voces, así que no sirve para podcasts ni para una voz de marca coherente. Los autores señalan como usos principales los datos de prueba para reconocimiento de voz, los llamantes simulados para agentes de voz e IVR, la ampliación de datos de entrenamiento y los avisos telefónicos. El autor ya trabaja en una segunda versión.
«Show HN: Hurston-1 open source TTS that speak Southern American and Afro-English» · puesto 27 · 53 puntos · enviado por Gcarter08
Lo que dicen los comentarios
La conversación es breve y gira sobre todo en torno a qué significan los acentos del título. Un usuario pregunta si «Southern American» se refiere a Argentina o Chile, y otro le aclara que, por el contexto de «American English» y Atlanta, se trata del inglés sureño de EE. UU. Otro comentario pide concretar qué son los «acentos regionales del inglés africano» (nigeriano, keniano, sudafricano) y un cuarto se sorprende de que Atlanta inspire un modelo de pesos abiertos. No hay discusión técnica sobre el modelo.
Acentos regionales del inglés africano, ¿o sea nigeriano, keniano, sudafricano?
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.