Hacker News 音频技术 - 2025-08-04
1. Show HN：Inworld TTS 开源发布与技术报告
Inworld开源了高质量文本转语音模型代码和技术报告，支持低成本扩展生产应用。
作者: feifan123 | 发布于: 2025-08-01 23:40
2. ChironX：基于Gemini视觉与TTS技术的开源AI吉他教练（Github.com）
作者: saurabhyer | 发布于: 2025-07-31 06:20
3. Show HN：一款支持无限时长朗读Kindle书籍的iOS文字转语音应用
开发者推出iOS文本转语音应用，提供无限制使用的高质量AI语音，支持多种文档格式导入，Android版即将发布。
作者: stevenhp | 发布于: 2025-07-30 18:44
4. 支持零样本语音克隆与说话风格控制的SOTA多语言TTS系统
作者: selvan | 发布于: 2025-07-30 02:37
5. Show HN: RoboComic——AI驱动的脱口秀对战（支持TTS语音和自定义角色）
RoboComic是一个AI生成虚拟喜剧演员对战的应用，支持多语言和自定义角色，开源且无需安装。提供AI讲笑话和语音输出功能。
作者: lukuch | 发布于: 2025-07-26 11:02
6. Show HN：基于Chatterbox TTS的Nvidia有声书生成器
开发者创建了基于PyQt的Windows版有声书工具Chatterblez，寻求贡献者支持macOS/Linux和ATI显卡适配。另推荐无显卡用户使用CPU生成有声书的audiblez工具。
作者: beboplifa | 发布于: 2025-07-20 06:03
7. Show HN：Vogent Voicelab - 开源TTS模型推理工具（支持CSM-1B等）
Voicelab提供开源TTS模型的优化API，支持CSM-1B和Orpheus等模型。通过优化推理架构和私有数据微调，解决开源模型生产化难题，提升语音质量和扩展性。
作者: jag729 | 发布于: 2025-07-15 16:58
8. PG论文通过TTS语音合成实现音频版
作者: caaaadr | 发布于: 2025-07-14 11:59
9. 延迟流建模：Kyutai语音识别与合成系统
作者: jasonjmcghee | 发布于: 2025-07-10 05:29
10. Telnyx推出NaturalHD TTS：带”嗯”、”呃”和笑声的类人语音
作者: maevesentner | 发布于: 2025-07-07 18:15
11. OpenAI TTS的LLM插件
作者: lynx97 | 发布于: 2025-07-07 16:26
12. 我的TTS工具性能排行榜（2025年7月版）
作者: paulo20223 | 发布于: 2025-07-07 12:06
13. Show HN: 适用于sway-Linux的简易语音转写/听写脚本
提供基于Sway和NVIDIA GPU的本地语音转文字方案，避免依赖Linux外的服务。
作者: csunoser | 发布于: 2025-07-04 21:14
14. Kyutai 1.6B流式文本转语音模型
作者: robotswantdata | 发布于: 2025-07-03 20:22
15. 仅用一句话为Piper TTS训练新语音
作者: naggie | 发布于: 2025-07-03 12:31
16. Show HN：我开发了一款本地语音转文字工具，可将想法直接导入Claude Code
开发了本地语音转文本工具hns，使用faster-whisper技术，支持离线运行，录音直接转为剪贴板文本，便于与Claude等LLM交互。MIT许可，安装简单。
作者: primaprashant | 发布于: 2025-07-01 15:25
17. 使用OpenAI的TTS API为博客添加文本转语音功能
作者: EconoBen | 发布于: 2025-06-30 20:30
18. Ask HN: 你们用什么推理服务器托管TTS模型？
作者寻求优化文本转语音(TTS)服务的方案，指出现有示例（如FastAPI实现）效率不高，建议使用TritonServer实现并发和批处理优化，并征求相关经验分享。
作者: samagra14 | 发布于: 2025-06-30 15:50
19. Inworld 文本转语音
作者: igh | 发布于: 2025-06-26 17:49
20. Show HN: Inworld TTS – 高质量、经济实惠且低延迟的文本转语音
Inworld发布高质量TTS模型TTS-1和TTS-1-Max，支持11种语言，基于LLaMA架构，优化延迟至500ms，定价$5/百万字符，将开源训练代码。
作者: rogilop | 发布于: 2025-06-26 17:11