Accentus

Accentus 是语音数据公司 Luel 旗下 Luel Lab 于 2026 年 11 月 5 日前后推出的美式英语口音检测模型。模型页：https://luel.work/lab/models/accentus ，基准页：https://luel.work/lab/benchmarks/us-accent 。

用途：在大规模采集语音数据时，自动核验贡献者是否真的是美式口音，替代人工逐条试听。

要点：

• 面向真实对话与电话音频，而非录音棚朗读；
• 输出三档：Pass（听起来是美国人）、Review（交给人工，如噪声、电话线路或模仿口音）、Reject（非美式，并标明南亚、西非、东非、菲律宾等组别）；
• 少于 10 秒有效语音不打分；
• 自报：233 名美国说话人中仅 5 人被拒（2.1%），非美口音“放行”约 5%；在其 US Accent 榜上优于 AccentCL、Qwen3.8 Omni Flash、Gemini 3.8 Flash 等；
• 目前封闭测试。

解决什么问题

语音 AI 训练数据的买家常按口音/地区付费，标签错误会直接污染数据集。Accentus 用“带宽而非百分比”的三档输出，在不确定时交给人工，降低误杀。

设计取舍

• 宁可 Review，不轻易 Reject：错误拒绝比人工复核代价更高；
• 明确说明不能判断一个人“来自哪里”，只针对口音特征。

局限与争议

• 基准由 Luel 自建自报；
• 口音分类涉及公平性与歧视风险，适用场景应限于数据质检，而非招聘或身份判断；
• 封闭测试，尚无公开 API。

适合谁

• 语音数据采集/标注平台、ASR/TTS 训练数据团队；
• 需要按口音筛选语料的语音 AI 公司。

如何上手

1. 阅读 https://luel.work/lab/models/accentus 与 US Accent 基准页；
2. 通过 Luel 申请封闭测试；
3. 确保输入至少 10 秒（建议 30 秒）有效语音，并为 Review 档预留人工复核流程；
4. 注意合规：仅用于数据质量控制。