Destined AI, güney Amerikan ve Afrika İngilizcesi aksanları için bir TTS modeli olan Hurston-1'ü açık kaynak yaptı

Atlanta merkezli küçük bağımsız bir ekip olan Destined AI, ana akım sistemlerin genellikle standart bir Amerikan sesine indirgediği İngilizce aksanlar için tasarlanmış açık bir metinden sese modeli olan Hurston-1'ü yayımladı: güney Amerikan İngilizcesinin yanı sıra Nijerya, Batı Afrika, Doğu Afrika ve Güney Afrika İngilizcesi çeşitleri. 25 Ekim 2026'da Hacker News'in ana sayfasına ulaşan, Hugging Face'te yayımlanan model kartına göre sürüm ayrıca ekibin NB-TTS dediği şeyi tanıtıyor: stüdyo için değil telefon ağı için tasarlanmış sentez.

Sesler nasıl tanımlanıyor

Hurston-1, Apache-2.0 lisanslı bir konuşma modeli olan Maya1'in ince ayarla eğitilmiş bir sürümü ve Destined AI'nin ClarityVoice ailesindeki ilk açık sürüm. Bir referans konuşmacıyı klonlamak yerine, kullanıcılar sesi düz bir dille tanımlıyor: cinsiyet, yaş, aksan, tarz ve tempo. Dokuz aksan destekleniyor — Amerikan, güney Amerikan, Nijerya İngilizcesi, Nijerya (Yoruba), Nijerya (Igbo), Batı Afrika, Doğu Afrika, Doğu Afrika (Svahili) ve Güney Afrika — tarzlar ise net ve gündelik konuşmanın yanı sıra sesli kitap anlatımını kapsıyor. Tempo etiketleri, eğitim seslerinden ölçülen mutlak konuşma hızlarına karşılık geliyor; saniyede iki kelimenin altından 3,4'ün üzerine kadar uzanıyor. Her çağrı, tanıma uyan yeni bir ses örnekliyor; kart, modelin ses klonlamadığını ve gerçek hiçbir kişiyi yeniden üretmek için eğitilmediğini açıkça belirtiyor. İsteğe bağlı bir kontrol modu, Whisper tabanlı bir transkriberin takip edemediği ya da sesin kayıt ortasında kaydığı alışları yeniden kaydediyor.

Telefon hattı için dar bantlı sentez

Ana iddia şu: sesli yapay zeka genellikle stüdyo kalitesinde tanıtılıyor ama telefon kanalı üzerinden konuşlandırılıyor. Hurston-1'ün varsayılan çıktısı 24 kHz ses, ancak telefon modu 300–3.400 Hz telefon bandını uyguluyor, 8 kHz'e yeniden örneklüyor ve G.711 mu-law olarak kodluyor (A-law da destekleniyor) — telefon ağlarının, SIP trunk'larının ve Twilio gibi platformların kullandığı biçimler. Etki sentezden sonra uygulandığı için kalite kontrolü hâlâ tam bantlı alıyı değerlendiriyor ve bir yardımcı fonksiyon Twilio media stream'lerine hazır ham mu-law baytlarını döndürüyor. Eğitim de kanalı yansıtıyor: yaklaşık 10 saatlik telefon kalitesinde konuşma, 250 katkıda bulunandan gelen yaklaşık 7.600 tur, projenin katkıda bulunanları ile çift yönlü yapay zeka sesli ajanları arasındaki gerçek aramalardan geldi ve stüdyo tarzı okuma ve konuşmayla harmanlandı.

Ekip ve isim

Destined AI, 2021'den beri Amerika'nın Güneyi'nden ve Afrika'nın her yerinden izinli ve ücretli katkıda bulunanlar kaydettiğini ve modeli dış yatırım olmadan inşa ettiğini söylüyor. İsim, yirminci yüzyıl başının Güneyi'ni gezerek Güneyli Siyah konuşmasını kaydeden yazar ve antropolog Zora Neale Hurston'a bir saygı duruşu; kart, bu saygı duruşunun onun mirasının bir desteği anlamına gelmediğini açıkça belirtiyor. Ekip, çalışmayı André 3000'in 1995 Source Awards'taki "Güneyin diyecek bir şeyi var" sözlerine göndermeyle çerçeveliyor.

Değerlendirme ve sınırlamalar

Değerlendirmede ekip, Hurston-1'ü temel Maya1 ile karşılaştırdı — Maya1 kendi başına beş aksanı belgeliyor (Amerikan, Hint, Orta Doğu, Asyalı Amerikan ve İngiliz) — aynı metin ve sesler üzerinde, model başına 180 klip, gerçek konuşmacılar üzerinde eğitilmiş bir aksan sınıflandırıcısıyla puanlandı. Sonuç tablosu herkese açık kart metninde kesik olduğu için belirli puanlar burada yeniden verilmiyor. Kart uygun kullanıma dair açık sözlü: her çağrı yeni bir ses ürettiği için oturumlar arasında tutarlı bir marka kişiliği kapsam dışında; belirli bir kişiyi klonlamak ya da önce bir insanın dinlemediği herhangi bir güvenlik açısından kritik kullanım da öyle. Önerilen uygulamalar test etmeye odaklanıyor: konuşma tanımadaki zayıf noktaları ortaya çıkarmak için aynı cümleleri dokuz aksanda üretmek, gerçek kişiler aramadan önce sesli ajanları telefon modunda simüle edilmiş aksanlı arayanlarla sınamak ve ASR ya da uyandırma kelimesi eğitim verisini artırmak. IVR prompt'ları ve duyurular, dünya İngilizceleri arasında dinleme pratiği, sesli okuma, sentetik olarak etiketlenmiş medya taslakları ve aksan adaleti araştırmaları listeyi tamamlıyor.

Neden önemli

Aksan kapsamı konuşma teknolojisinde süregelen bir zayıf nokta ve bunu sınayacak açık araçlar nadir. Model kartı, bu konuşmacıların genellikle genel Amerikan İngilizcesine düzleştirildiğini, bunun da sesli ajanları ve tanıma sistemlerini gerçek arayanların büyük bir bölümüne karşı test edilmeden bıraktığını savunuyor. Dokuz aksan için açık erişilebilir bir üreteç, ekiplere konuşlandırmadan önce aksan kapsamı regresyon setleri ve simüle edilmiş arama trafiği oluşturmanın pratik bir yolunu veriyor. Telefon öncelikli tasarım en az bunun kadar önemli: bir yapay zeka sesli ajanı sonuçta stüdyo sesini değil, 8 kHz G.711 kanalını duyar ve Hurston-1 geliştiricilere tam olarak buna karşı test yapma imkânı sunuyor. Kalitenin tutup tutmayacağını bağımsız değerlendirme belirleyecek, ancak bu projenin hedeflediği boşluk — telefon hatlarındaki aksanlı İngilizce — gerçek ve açık modeller tarafından büyük ölçüde ele alınmamış durumda.