Hacker News 音频技术 - 2025-09-23
1. Show HN：KaniTTS——超快速且富有表现力的文本转语音模型
作者: defoemark | 发布于: 2025-09-22 18:54
2. 本地文本转语音（TTS）与基于Mlx-Audio的语音克隆
作者: johnys | 发布于: 2025-09-21 17:40
3. Show HN：KaniTTS——仅4.5亿参数的开源高保真文本转语音模型
作者: ulan_kg | 发布于: 2025-09-19 18:42
4. 评估不同ASR工具包与API的基准代码
作者: pinter69 | 发布于: 2025-09-18 09:40
5. 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
开发者创建了三个C/C++语音文本转换库，支持Whisper、Llama和Piper，可实现语音转文本、大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
6. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
7. Qwen3语音识别：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
8. 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
MindNote AI笔记工具新增YouTube等视频转录功能，支持Zoom等会议自动转录，提升准确性和长语音支持。
作者: tommat32 | 发布于: 2025-09-06 19:42
9. 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
10. Ask HN：目前最好的TTS模型是什么？
用户使用LLM研究多种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
11. 微软开源VibeVoice TTS模型：支持90分钟语音合成与4种说话人
作者: Terretta | 发布于: 2025-08-26 09:46
12. 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
13. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
14. Show HN：Nabu（安卓平台的TTS阅读器与LLM应用平台）
谷歌Gemma 3 270M模型新增支持，本地LLM到TTS的推理速度显著提升。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。
作者: mewmix | 发布于: 2025-08-15 00:04
15. 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
16. 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
17. 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
18. Hugging Face TTS竞技场V2结果公布（Papla与Async.ai领先于ElevenLabs）
作者: leysan | 发布于: 2025-08-10 17:24
19. 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
20. WIP：GGML中的Nvidia Parakeet ASR模型推理
作者: jasonni | 发布于: 2025-08-09 16:27