Hacker News 音频技术 - 2025-10-07
1. Neutts-air：开源设备端文本转语音系统
作者: nopelynopington | 发布于: 2025-10-06 09:06
2. 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
3. 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
4. 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？
开发者分享构建实时语音应用的挑战：语音转文字到LLM流程存在准确度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
5. 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1万小时数据和300美元成本，效果媲美ElevenLabs。开源了完整训练流程和权重，为其他语言提供低成本实现方案。
作者: ph4evers | 发布于: 2025-09-24 06:32
6. 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
7. 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
8. 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
9. 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
10. 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，集成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
11. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
12. Qwen3 ASR：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
13. 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，提供终身优惠。
作者: tommat32 | 发布于: 2025-09-06 19:42
14. 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
15. 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的语音AI解决方案推荐。
作者: moseswan | 发布于: 2025-08-26 21:23
16. 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
17. 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
18. Nvidia STT Parakeet v3
作者: MysticOracle | 发布于: 2025-08-15 23:09
19. 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应用工具。
作者: mewmix | 发布于: 2025-08-15 00:04
20. TTS Studio：测试并比较基于浏览器的TTS模型
作者: CharlesW | 发布于: 2025-08-13 15:38