Hacker News 音频技术 - 2025-11-06
1. Elevenlabs发布30亿参数开源TTS模型
支持自然语言语音控制、情感化语音表达、流式音频生成，集成vLLM并可在单GPU运行的多模态AI系统。
作者: freakynit | 发布于: 2025-11-05 05:39
2. 挑战：提升Mozilla多语言自动语音识别性能
作者: laurex | 发布于: 2025-11-02 18:20
3. Soniox发布STT模型v3版——语音理解新标杆
作者: raluk | 发布于: 2025-10-21 13:55
4. HuggingFace ASR排行榜新增基准测试（含英伟达Canary模型）
作者: pinter69 | 发布于: 2025-10-19 07:49
5. Show HN: Lightning-SimulWhisper：专为苹果芯片设计的实时语音识别系统
开源SimulStreaming语音转录模型的CoreML/MLX移植版，在M2 Macbook Pro上比原PyTorch实现快15倍，平衡内存与准确率。
作者: predict-woo | 发布于: 2025-10-17 18:54
6. 我刚刚更新了我的TTS模型
作者: FrostDream | 发布于: 2025-10-12 20:16
7. 免费文本转语音（TTS）——RealDubbing AI语音生成器
作者: wsljhint | 发布于: 2025-10-12 08:34
8. Voxscribe：语音转文字模型对比平台
作者: fraseque | 发布于: 2025-10-09 09:07
9. Show HN：浏览器中支持文本高亮同步的本地文本转语音
浏览器工具可将网页转为带高亮显示的音频，完全本地运行无需服务器。首次使用下载语音模型后即可离线使用。
作者: vahid4m | 发布于: 2025-10-08 13:26
10. NeuTTS Air – Neuphonic推出的设备端TTS模型
作者: maxloh | 发布于: 2025-10-07 17:36
11. 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
12. 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
13. Show HN：一键构建带语音识别/合成和大语言模型的语音助手 CLI
LayerCode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
14. Ask HN：编排实时语音识别与大语言模型时，你遇到了哪些痛点？
开发者分享构建实时语音应用的挑战：语音识别转文本后经LLM处理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
15. 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，效果媲美ElevenLabs。开源代码和权重，详细记录从数据准备到训练的完整流程，成本约100-300美元。
作者: ph4evers | 发布于: 2025-09-24 06:32
16. 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
17. 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
18. Show HN: KaniTTS – 仅4.5亿参数的开源高保真文本转语音系统
作者: ulan_kg | 发布于: 2025-09-19 18:42
19. 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
20. Show HN：用 C 语言实现的 STT → LLM → TTS 处理流程
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