Hacker News 音频技术 - 2025-10-10
1. Voxscribe：语音转文字模型对比平台
作者: fraseque | 发布于: 2025-10-09 09:07
2. Show HN：在浏览器中实现带同步文本高亮的设备端文本转语音
浏览器工具可将任意网页转为带高亮显示的音频，完全本地运行无需服务器。首次使用需下载语音模型，之后可离线使用。
作者: vahid4m | 发布于: 2025-10-08 13:26
3. NeuTTS Air – Neuphonic推出的端侧文本转语音模型
作者: maxloh | 发布于: 2025-10-07 17:36
4. 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
5. 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
6. 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代理 CLI
发布CLI工具，支持从开发环境快速构建、测试和部署语音AI代理，并征集开发者反馈。
作者: aidanhornsby | 发布于: 2025-09-29 13:40
7. Ask HN：在协调实时语音识别与大语言模型时，你遇到了哪些痛点？
开发者分享语音驱动应用开发痛点：实时语音转文字到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
8. 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1万小时数据效果媲美ElevenLabs。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
9. 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
10. 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
11. 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
12. 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
13. 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
14. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
15. Qwen3 ASR：听得清晰，转写智能
作者: meetpateltech | 发布于: 2025-09-08 15:07
16. 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和时长。
作者: tommat32 | 发布于: 2025-09-06 19:42
17. 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
18. 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
19. 微软开源VibeVoice TTS模型：支持90分钟语音合成与4种发音人
作者: Terretta | 发布于: 2025-08-26 09:46
20. 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