Hacker News 音频技术 - 2025-09-20
1. Show HN: KaniTTS – 仅用4.5亿参数的开源高保真文本转语音系统
作者: ulan_kg | 发布于: 2025-09-19 18:42
2. 评估不同ASR软件包与API的基准测试代码
作者: pinter69 | 发布于: 2025-09-18 09:40
3. Show HN：用C语言实现的语音转文本->大语言模型->文本转语音处理流程
开发者创建了C/C++封装库，整合Whisper.cpp、Llama.cpp和Piper，支持语音转文本、大语言模型推理和文本转语音的完整流程，兼容Windows和Linux系统。
作者: RhinoDevel | 发布于: 2025-09-17 06:52
4. 开源ASR排行榜：AI语音转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
5. Qwen3 ASR：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
6. Show HN：AI 笔记工具推出新功能：OCR、升级版语音识别与语音合成
AI笔记工具MindNote支持多平台转录和会议记录，提供YouTube/社交媒体视频转录和主流会议软件自动转录功能，适合创业者和团队协作管理。
作者: tommat32 | 发布于: 2025-09-06 19:42
7. 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
8. Ask HN：目前最好的TTS模型是什么？
用户使用LLM研究TTS模型性能与定价，寻求语音AI开发者推荐最佳方案。
作者: moseswan | 发布于: 2025-08-26 21:23
9. 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
10. 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
11. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
12. 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到TTS的推理速度显著提升，项目定位为快速迭代的边缘模型试验平台，同时开发电子阅读器等实用功能。
作者: mewmix | 发布于: 2025-08-15 00:04
13. TTS Studio：测试并比较基于浏览器的TTS模型
作者: CharlesW | 发布于: 2025-08-13 15:38
14. 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
15. 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
16. 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
17. 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
18. 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
19. Show HN: Kitten TTS – 仅25MB、纯CPU运行的开源TTS模型
Kitten TTS发布25MB开源语音模型，支持8种英语语音，无需GPU即可在边缘设备运行，专为低成本设备优化。
作者: divamgupta | 发布于: 2025-08-06 05:04
20. 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