Hurston-1 오픈소스 액센트 TTS, 남부 미국 및 아프리카 영어를 전화선 AI에 제공

핵심 요점

Hurston-1은 남부 미국, 나이지리아, 서아프리카, 동아프리카, 남아프리카 및 일반 미국 영어를 8kHz G.711 전화선 품질로 합성할 수 있는 오픈소스 협대역 텍스트 음성 변환 모델로, Twilio 기반 음성 에이전트 및 액센트 공정성 테스트에 바로 사용할 수 있습니다.

Hurston-1이란?

Hurston-1은 Destined AI가 출시한 Maya1 TTS 모델(Apache-2.0)의 LoRA 파인튜닝 버전입니다. 이 모델은 **NB-TTS(협대역 TTS)**를 도입하여 전화 대역 오디오(8kHz G.711 mu-law)를 직접 출력하면서도 풀밴드 24kHz 출력을 지원합니다. 모델은 약 190시간의 음성으로 학습되었으며, 여기에는 기여자와 AI 에이전트 간의 실제 전화 통화 녹음 약 10시간이 포함되어 전화 통신의 음향 특성을 포착합니다.

주요 기능

  • 액센트 영어 합성 – 남부 미국, 나이지리아(일반, 요루바, 이그보), 서아프리카, 동아프리카(스와힐리 포함), 남아프리카, 일반 미국 영어 등 9가지 명시적 액센트 설명자를 지원합니다.
  • 음성 설명 API – 음성은 자연어 설명(성별, 연령, 액센트, 스타일, 속도)에서 생성됩니다. 각 요청은 설명과 일치하는 새 음성을 샘플링하며, 모델은 실제 인물을 복제하지 않습니다.
  • 전화 모드 출력 – --phone(또는 phone=True)은 파형을 300-3,400Hz 전화 대역으로 필터링하고 8kHz로 리샘플링한 다음 G.711 mu-law(또는 A-law)로 인코딩합니다. 결과 바이트는 ulaw_encode()를 통해 Twilio, SIP 또는 기타 전화 플랫폼으로 직접 스트리밍할 수 있습니다.
  • 내장 품질 검사 – --check는 Whisper large-v3-turbo 전사 및 ECAPA 화자 임베딩 검증을 실행합니다. 인식기가 오디오를 따라가지 못하거나 음성이 중간에 변경되면 합성을 재시도합니다.
  • 오픈소스 라이선스 – 모델 가중치는 Apache-2.0(Maya1에서 파생)입니다. 학습 데이터는 Destined AI의 독점 액센트 영어 코퍼스, LibriTTS-R(CC BY-4.0) 및 Mozilla Common Voice(CC0)를 결합합니다.

Hurston-1 사용 방법

pip install torch transformers snac soundfile scipy speechbrain
python hurston.py --model . --check \
    --accent "Nigerian English accent" --gender Female \
    --text "Good afternoon. Please take one tablet twice a day after meals." \
    --out hello.wav

# 전화 모드 예시 (8kHz G.711 mu-law)
python hurston.py --model . --check --phone \
    --accent "Southern American accent" --gender Male \
    --text "Thanks for calling, how can I help you today?" \
    --out call.wav

from hurston import Hurston, describe, ulaw_encode
tts = Hurston('.', check=True)
call = tts(
    "Hi, I'm calling about my appointment on Tuesday.",
    describe('Female', 'older', 'Nigerian English accent'),
    phone=True,
)
payload = ulaw_encode(call)   # Twilio 미디어 스트림용 8kHz mu-law 바이트

평가 결과

액센트 충실도

각 모델에 대해 180개 클립(문장 10개 × 음성 18개)에서 맞춤형 아프리카 대 미국 액센트 분류기를 실행했습니다. Hurston-1은 기본 Maya1 모델보다 아프리카 액센트 확률이 훨씬 높았습니다(예: 남아프리카 0.95 대 0.60, 나이지리아 0.94 대 0.82). 일반 미국 액센트는 낮게 유지했습니다(0.02).

명료도

테스트 세트 모델 평균 WER WER >20% 클립
일상 문장 (180 클립) Maya1 0.02 –
일상 문장 (180 클립) Hurston-1 0.03 –
어려운 문장 (510 클립) Hurston-1 (단일 테이크) 0.145 17.1%
어려운 문장 (510 클립) Hurston-1 (--check) 0.062 8.4%

--check 플래그를 사용하면 WER이 0.062로 떨어져 복잡한 의료 또는 숫자 발화에서도 모델이 신뢰할 수 있습니다.

액센트별 WER (어려운 세트, --check)

액센트 WER
미국 0.021
남부 미국 0.070
나이지리아 0.070
나이지리아 (이그보) 0.016
나이지리아 (요루바) 0.078
서아프리카 0.059
동아프리카 0.043
동아프리카 (스와힐리) 0.019
남아프리카 0.053

이름과 숫자는 여전히 오류가 가장 많으며(WER ≈ 0.17), 주로 합성 오류보다는 인식기 철자 오류 때문입니다.

청취 테스트

맹검 비교에서 참가자들은 Hurston-1이 요청된 액센트를 가진 실제 사람처럼 들리는 음성을 78%의 확률로 선택했으며, 기본 Maya1 모델은 6%에 불과했습니다.

실용적 사용 사례

  • ASR용 액센트 커버리지 테스트 – 제품 출시 전에 전사 편향을 노출하기 위해 9가지 액센트로 동일한 스크립트를 생성합니다.
  • IVR/음성 에이전트용 합성 발신자 – Hurston-1을 발신자 스크립트를 작성하는 LLM과 결합하고 8kHz mu-law 오디오를 Twilio로 스트리밍하여 에이전트가 다양한 액센트, 이름 및 숫자를 처리하는 방식을 평가합니다.
  • 데이터 증강 – 키워드 감지, 웨이크 워드 감지 또는 저자원 ASR 모델을 위한 학습 세트에 액센트 합성 음성을 추가합니다.
  • 지역화된 음성 프롬프트 – 서비스 대상 커뮤니티에 맞는 음성으로 전화 메뉴 프롬프트, 약속 알림 또는 교통 안내를 배포합니다.
  • 교육 및 훈련 – 학습자에게 다양한 세계 영어 듣기 자료를 제공하고 고객 서비스 직원이 지역 음성 패턴을 이해하도록 훈련합니다.
  • 연구 – 음성 시스템의 공정성 감사, 지각 연구 또는 과소 대표되는 영어 액센트에 대한 벤치마크 생성을 수행합니다.

제한 사항

  • 일관된 음성 정체성 없음 – 각 발화는 새 음성을 샘플링합니다. 긴 텍스트는 약 40단어 청크로 분할되어 문장 중간에 음성이 변경될 수 있습니다.
  • 이름, 날짜, 금액에서 오류 높음 – 중요 콘텐츠에는 --check 및 수동 청취를 사용하세요.
  • 일반적인 "아프리카 영어 액센트" 라벨은 약함 – 특정 지역 라벨이 더 나은 충실도를 제공합니다.
  • 영어 전용, 성인 음성 – 아동 또는 비영어 언어 지원 없음.
  • 전화 모드는 오디오만 필터링하며 말하기 스타일은 변경하지 않음 – "음-흠"과 같은 턴테이킹 신호는 자동으로 삽입되지 않습니다.

향후 로드맵

  • 전화 통신 기본 스타일 TTS – 단순히 대역 통과 필터를 적용하는 대신 통화 특정 운율(백채널, 페이싱)을 학습하는 모델.
  • 일관된 명명된 음성 – 여러 통화와 문장에서 동일한 합성 음성을 재사용할 수 있어 브랜드 음성 애플리케이션에 유용합니다.

커뮤니티 반응 (Hacker News)

  • 한 댓글 작성자는 남부 미국 액센트가 *"주류 음성-텍스트 모델에서 정말 제대로 표현되지 않는다"*고 지적하며 Hurston-1이 평가 데이터 세트를 개선할 가능성을 강조했습니다.
  • 또 다른 사용자는 이 프로젝트가 Gates 재단의 아프리카 언어 AI 보조금과 같은 자금 기회와 관련이 있다고 지적하며 아웃리치가 영향을 확대할 수 있다고 제안했습니다.
  • 여러 참가자가 남부 미국 및 아프리카 영어 변형을 모두 포착하는 오픈 가중치 모델에 대한 열정을 표현했으며, 이는 2026년에 거의 볼 수 없는 조합입니다.

책임 있는 사용 지침

  • 실제 개인을 사칭하거나 청취자를 속이는 데 Hurston-1을 사용하지 마십시오.
  • 오디오가 합성임을 항상 공개하십시오.
  • 저장소의 데모 오디오는 합성이며 실제 녹음으로 제시해서는 안 됩니다.

인용

@misc{hurston2026,
  title  = {Hurston-1: Accented English Narrowband Text-to-Speech (NB-TTS) for the Phone},
  author = {{Destined AI}},
  year   = {2026},
  url    = {https://destined.ai}
}

Sources