Hacker News 音频技术 - 2025-09-11
1. Qwen3 ASR：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
2. Show HN: AI 智能笔记工具推出新功能：OCR、升级版语音转文字与文字转语音
MindNote AI笔记工具支持多平台会议转录和视频转文字，提高语音记录准确性，集成主流办公协作工具。
作者: tommat32 | 发布于: 2025-09-06 19:42
3. 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
4. Ask HN：目前最好的TTS模型是什么？
用户使用LLM研究TTS模型，寻求性能与价格最优方案，征求语音AI开发者的推荐建议。
作者: moseswan | 发布于: 2025-08-26 21:23
5. 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
6. 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
7. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
8. Show HN：Nabu（安卓平台的TTS阅读器与LLM实验平台）
谷歌Gemma 3 270M本地LLM模型支持TTS功能，推理速度显著提升。项目处于开发阶段，旨在构建快速迭代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
9. 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
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: 2025-08-11 06:03
11. Hugging Face TTS竞技场V2结果公布（Papla与Async.ai领先ElevenLabs）
作者: zinagorc | 发布于: 2025-08-10 18:01
12. 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
13. 误听：破解微型ASR模型生成达达主义诗歌
作者: evmaki | 发布于: 2025-08-10 16:48
14. [—
中文标题：
WIP：在GGML中实现英伟达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
15. Show HN：Kitten TTS —— 仅需25MB内存、纯CPU运行的开源TTS模型
Kitten TTS发布25MB超小语音合成模型，支持8种英语语音，可在树莓派等边缘设备无GPU运行，专为高频低成本应用设计。
作者: divamgupta | 发布于: 2025-08-06 05:04
16. Kitten TTS：仅需25MB的纯CPU开源语音模型
作者: jainilprajapati | 发布于: 2025-08-06 01:13
17. KittenTTS：小于25MB的文本转语音模型
作者: thunderbong | 发布于: 2025-08-05 13:30
18. 如何保存文章以供文本转语音使用
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，用于跑步或驾驶时收听。
作者: megahz | 发布于: 2025-08-04 10:11
19. 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，支持低成本规模化生产应用。
作者: feifan123 | 发布于: 2025-08-01 23:40
20. 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