Hacker News 音频技术 - 2025-10-03
1. Show HN: Kani TTS – 仅3.7亿参数的开源快速文本转语音模型
作者: joeyeh_ | 发布于: 2025-10-01 18:00
2. Show HN：用一条命令构建带语音识别/合成和大语言模型的语音代理 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
3. 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痛点：实时语音转文本到LLM流程存在准确率下降和延迟叠加问题，寻求优化方案和技术讨论。
作者: kojaco | 发布于: 2025-09-29 00:26
4. Show HN: Parkiet – 用不到100美元为任意语言微调大型TTS模型
使用Google免费TPU训练荷兰语TTS模型，仅需1万小时数据即可达到ElevenLabs水平。开源完整流程和权重，成本约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
5. 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
6. 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
7. 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
8. 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
9. 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处理流程，支持Windows和Linux系统。
作者: RhinoDevel | 发布于: 2025-09-17 06:52
10. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
11. Qwen3 ASR：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
12. 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YouTube等视频转录功能，支持Zoom等会议自动转录，提升语音笔记准确性，提供限时终身套餐。
作者: tommat32 | 发布于: 2025-09-06 19:42
13. 我开发了一款比ElevenLabs便宜100倍的文字转语音工具
作者: memeboxx | 发布于: 2025-09-06 18:36
14. 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
15. 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
16. 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
17. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
18. 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，作者寻求优化建议并计划开发边缘模型实验平台和电子阅读器等实用工具。
作者: mewmix | 发布于: 2025-08-15 00:04
19. TTS Studio：测试和比较基于浏览器的TTS模型
作者: CharlesW | 发布于: 2025-08-13 15:38
20. 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