Hacker News 音频技术 - 2025-10-01
1. Show HN：用一条命令构建具备语音识别/合成和大语言模型的语音助手 CLI
发布语音AI代理CLI工具，支持从开发环境快速构建、测试和部署，并征集开发者反馈。
作者: aidanhornsby | 发布于: 2025-09-29 13:40
2. Ask HN：在编排实时语音转文本和大型语言模型时，你遇到了哪些痛点？
开发者分享语音驱动应用开发中实时编排STT-LLM-结构化输出的挑战，包括长对话准确率下降和延迟叠加问题，寻求解决方案。
作者: kojaco | 发布于: 2025-09-29 00:26
3. 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资源训练出荷兰语TTS模型，效果媲美ElevenLabs。开源了模型权重和完整训练流程，成本仅100-300美元。为小语种TTS开发提供可行方案。
作者: ph4evers | 发布于: 2025-09-24 06:32
4. 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
5. 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
6. 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
7. 评估不同ASR工具包与API的基准测试代码
作者: pinter69 | 发布于: 2025-09-18 09:40
8. Show HN：用C语言实现的STT→LLM→TTS处理流水线
开发者创建了三个C/C++封装库，整合Whisper.cpp、Llama.cpp和Piper，实现语音转文本、大语言模型推理和文本转语音的完整流程，支持Windows和Linux系统。
作者: RhinoDevel | 发布于: 2025-09-17 06:52
9. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
10. Qwen3 ASR：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
11. 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
AI笔记工具MindNote新增视频转录功能，支持YouTube、Zoom等平台，提供自动会议记录和语音笔记，面向创业者团队协作需求。
作者: tommat32 | 发布于: 2025-09-06 19:42
12. 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
13. 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，特别针对语音AI开发者征集实际推荐。
作者: moseswan | 发布于: 2025-08-26 21:23
14. 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
15. 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
16. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
17. Show HN：Nabu（Android 文本朗读与大语言模型实验平台）
谷歌Gemma 3 270M模型实现本地LLM快速文本转语音，打造边缘模型实验平台并开发电子阅读器等实用工具。
作者: mewmix | 发布于: 2025-08-15 00:04
18. 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
19. Hugging Face TTS竞技场V2结果公布（Papla与Async.ai领先ElevenLabs）
作者: zinagorc | 发布于: 2025-08-11 06:03
20. 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