Hacker News 音频技术 - 2025-09-28
1. Show HN：Parkiet——用不到100美元为任意语言微调大型TTS模型
研究者用谷歌免费TPU资源训练荷兰语TTS模型，效果媲美ElevenLabs。开源了模型权重和完整训练流程，成本约100-300美元。为其他语言TTS开发提供实用指南。
作者: ph4evers | 发布于: 2025-09-24 06:32
2. 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
3. 本地文本转语音（TTS）与Mlx-Audio语音克隆
作者: johnys | 发布于: 2025-09-21 17:40
4. 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
5. 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
6. Show HN：用C语言实现的STT→LLM→TTS处理流程
开发者创建了C/C++语音转文本、大语言模型推理和文本转语音的封装库，支持Windows和Linux系统。
作者: RhinoDevel | 发布于: 2025-09-17 06:52
7. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
8. Qwen3语音识别：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
9. Show HN：AI笔记工具新增功能：OCR、升级版语音转文字和文字转语音
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。面向创业者提供终身优惠。
作者: tommat32 | 发布于: 2025-09-06 19:42
10. 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
11. 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
12. 微软开源语音合成模型VibeVoice支持90分钟语音及4种音色
作者: Terretta | 发布于: 2025-08-26 09:46
13. 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
14. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
15. Show HN：Nabu（Android 端的 TTS 阅读器与 LLM 实验平台）
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。项目处于早期开发阶段，旨在构建快速迭代的边缘模型实验平台。
作者: mewmix | 发布于: 2025-08-15 00:04
16. 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
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: 2025-08-11 06:03
18. 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
19. 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
20. 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