Hacker News 音频技术 - 2025-09-07
1. Show HN: AI 笔记工具推出新功能：OCR、升级版语音转文字与文字转语音
AI笔记工具MindNote新增视频转录功能，支持YouTube等平台及主流会议软件自动转录，提高语音笔记准确性，提供终身套餐。
作者: tommat32 | 发布于: 2025-09-06 19:42
2. 我开发了一款比ElevenLabs便宜100倍的文本转语音工具
作者: memeboxx | 发布于: 2025-09-06 18:36
3. Ask HN：目前最好的TTS模型是什么？
用户使用LLM深入研究TTS模型，寻求性能与价格最优推荐，特别针对语音AI开发者。
作者: moseswan | 发布于: 2025-08-26 21:23
4. 微软开源VibeVoice TTS模型：支持90分钟语音合成与4种说话人音色
作者: Terretta | 发布于: 2025-08-26 09:46
5. Avalon：面向人机交互的自动语音识别系统
作者: jrmann100 | 发布于: 2025-08-21 21:24
6. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
7. Show HN：Nabu（安卓平台的TTS阅读器与LLM实验平台）
Google推出Gemma 3 270M本地LLM模型，文本生成速度显著提升。项目处于开发阶段，旨在构建快速演进的边缘模型试验平台，并探索电子阅读器等实用功能。
作者: mewmix | 发布于: 2025-08-15 00:04
8. 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
9. Hugging Face TTS竞技场V2结果公布（Papla与Async.ai领先于ElevenLabs）
作者: zinagorc | 发布于: 2025-08-11 06:03
10. Hugging Face TTS竞技场V2结果公布（Papla与Async.ai领先于ElevenLabs）
作者: zinagorc | 发布于: 2025-08-10 18:01
11. Hugging Face TTS竞技场V2结果公布（Papla与Async.ai领先ElevenLabs）
作者: leysan | 发布于: 2025-08-10 17:24
12. 误听：破解微型ASR模型创作达达主义诗歌
作者: evmaki | 发布于: 2025-08-10 16:48
13. [—
中文标题：
WIP：在GGML中实现Nvidia Parakeet ASR模型的推理
—](https://news.ycombinator.com/item?id=44847823)
作者: jasonni | 发布于: 2025-08-09 16:27
14. Show HN：Kitten TTS – 仅需25MB的CPU开源语音合成模型
Kitten TTS发布25MB轻量级开源语音合成模型，支持8种英语语音，可在树莓派等边缘设备无GPU运行。
作者: divamgupta | 发布于: 2025-08-06 05:04
15. Kitten TTS：仅需25MB、纯CPU运行的开源语音模型
作者: jainilprajapati | 发布于: 2025-08-06 01:13
16. KittenTTS：小于25MB的文本转语音模型
作者: thunderbong | 发布于: 2025-08-05 13:30
17. 如何保存文章以便进行文本转语音
用户寻求替代Pocket的解决方案，需要保存长文章并提供可靠文本转语音功能，用于跑步或驾驶时听读。
作者: megahz | 发布于: 2025-08-04 10:11
18. Show HN：Inworld TTS 开源发布与技术报告
Inworld开源高质量文本转语音模型代码和技术报告，支持低成本规模化应用部署。
作者: feifan123 | 发布于: 2025-08-01 23:40
19. 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
20. Show HN：一款可朗读 Kindle 书籍且无时长限制的 iOS 文字转语音应用
iOS开发者推出无限制文本转语音应用，采用高质量AI语音，支持多种文档格式导入，提供流畅的听书体验。
作者: stevenhp | 发布于: 2025-07-30 18:44