Hacker News 音频技术 - 2025-08-10
1. WIP：GGML中的Nvidia Parakeet语音识别模型推理
作者: jasonni | 发布于: 2025-08-09 16:27
2. Show HN: Kitten TTS - 仅25MB的纯CPU开源语音合成模型
Kitten TTS发布25MB开源语音合成模型，支持8种英语语音，可在树莓派等低端设备运行，无需GPU。目标是提供边缘设备适用的轻量级方案。
作者: divamgupta | 发布于: 2025-08-06 05:04
3. Kitten TTS：仅25MB的纯CPU开源语音模型
作者: jainilprajapati | 发布于: 2025-08-06 01:13
4. KittenTTS：小于25MB的文本转语音模型
作者: thunderbong | 发布于: 2025-08-05 13:30
5. 如何保存文章以供文本转语音阅读
用户寻找替代Pocket的工具，需满足保存长文章和可靠TTS功能，目前使用Chrome阅读列表。
作者: megahz | 发布于: 2025-08-04 10:11
6. 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和训练代码，附带技术报告，支持低成本扩展生产应用。
作者: feifan123 | 发布于: 2025-08-01 23:40
7. 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
8. Show HN：一款可朗读Kindle书籍且不限时长的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
9. 支持零样本语音克隆与说话风格控制的SOTA多语言文本转语音技术
作者: selvan | 发布于: 2025-07-30 02:37
10. Show HN: RoboComic——AI驱动的脱口秀对战（支持TTS语音与自定义角色）
RoboComic是一个AI生成虚拟喜剧演员对战的应用，支持多代理对话生成脱口秀、自定义喜剧角色和TTS语音输出，开源且无需安装。
作者: lukuch | 发布于: 2025-07-26 11:02
11. Show HN：基于Chatterbox TTS的Nvidia有声书生成器
开发者创建了Chatterblez工具用于生成有声书，目前支持Windows，希望扩展至macOS和Linux。还推荐了无显卡时可用的audiblez工具，CPU生成有声书约4小时。
作者: beboplifa | 发布于: 2025-07-20 06:03
12. 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后期训练，解决开源语音模型生产化难题，提升质量和扩展性。
作者: jag729 | 发布于: 2025-07-15 16:58
13. 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
14. 延迟流建模：Kyutai语音识别与合成技术
作者: jasonjmcghee | 发布于: 2025-07-10 05:29
15. Telnyx推出NaturalHD TTS：带”嗯”、”呃”和笑声的拟人化语音
作者: maevesentner | 发布于: 2025-07-07 18:15
16. OpenAI TTS的LLM插件
作者: lynx97 | 发布于: 2025-07-07 16:26
17. 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
18. Show HN: 适用于sway-Linux的简易STT/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
19. Kyutai 1.6B流式文本转语音
作者: robotswantdata | 发布于: 2025-07-03 20:22
20. 仅用一句话为Piper TTS训练新语音
作者: naggie | 发布于: 2025-07-03 12:31