Hacker News 音频技术 - 2025-09-22
1. 本地文本转语音（TTS）与Mlx-Audio语音克隆技术
作者: johnys | 发布于: 2025-09-21 17:40
2. 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
3. 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
4. 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
5. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
6. Qwen3 ASR：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
7. 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新增视频转录和会议转录功能，支持多平台集成，提供终身优惠。
作者: tommat32 | 发布于: 2025-09-06 19:42
8. 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
9. Ask HN：目前最好的TTS模型是什么？
用户使用LLM对比多种TTS模型，寻求性能与价格最优方案，征求语音AI开发者的实际推荐。
作者: moseswan | 发布于: 2025-08-26 21:23
10. 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
11. 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
12. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
13. 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场，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
14. 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
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: 2025-08-11 06:03
16. 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
17. 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
18. 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
19. [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
20. Show HN：Kitten TTS —— 仅需25MB内存、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，专为低成本硬件设计。
作者: divamgupta | 发布于: 2025-08-06 05:04