Hacker News 音频技术 - 2025-08-18
1. Nvidia STT 鹦鹉语音识别 v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
2. TTS Studio：测试与比较基于浏览器的TTS模型
作者: CharlesW | 发布于: 2025-08-13 15:38
3. Hugging Face TTS竞技场V2结果出炉（Papla与Async.ai领先ElevenLabs）
作者: zinagorc | 发布于: 2025-08-11 06:03
4. Hugging Face TTS竞技场V2结果出炉（Papla与Async.ai领先ElevenLabs）
作者: zinagorc | 发布于: 2025-08-10 18:01
5. Hugging Face TTS竞技场V2结果出炉（Papla与Async.ai领先ElevenLabs）
作者: leysan | 发布于: 2025-08-10 17:24
6. 误听奇趣：微调小型语音识别模型创作达达主义诗歌
作者: evmaki | 发布于: 2025-08-10 16:48
7. WIP：Nvidia Parakeet ASR模型在GGML中的推理实现
作者: jasonni | 发布于: 2025-08-09 16:27
8. 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
9. Kitten TTS：仅25MB的纯CPU开源语音模型
作者: jainilprajapati | 发布于: 2025-08-06 01:13
10. KittenTTS：小于25MB的文本转语音模型
作者: thunderbong | 发布于: 2025-08-05 13:30
11. 如何保存文章用于文本转语音
用户寻求替代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
12. 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
13. 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
14. 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
15. 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
16. Show HN: RoboComic——AI驱动的脱口秀对战（支持TTS语音与自定义角色）
RoboComic是一款AI虚拟喜剧演员对战应用，支持AI生成脱口秀、吐槽比赛和机智回应，采用多代理对话技术，提供自定义角色和TTS语音功能，开源且无需安装。
作者: lukuch | 发布于: 2025-07-26 11:02
17. Show HN：基于Chatterbox TTS的Nvidia有声书生成器
开发者创建了基于PyQt的跨平台有声书工具Chatterblez，目前仅支持Windows，寻求贡献者扩展至macOS/Linux。另推荐无显卡用户使用CPU生成有声书的工具audiblez。
作者: beboplifa | 发布于: 2025-07-20 06:03
18. 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
19. PG论文通过TTS语音合成音频版
作者: caaaadr | 发布于: 2025-07-14 11:59
20. 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