Hacker News 音频技术 - 2025-11-07
1. Show HN：设备端AI语音合成扩展
基于WebGPU的浏览器端AI语音合成扩展，无需服务器且安全。开源项目添加段落跳转、速度控制等功能，解决传统TTS机械音问题。暂不支持Firefox。
作者: SambhavGupta | 发布于: 2025-11-06 19:28
2. Elevenlabs发布30亿参数开源TTS模型
Maya1模型支持语音控制、情感标签、音频流生成和vLLM集成，可在单GPU运行。
作者: freakynit | 发布于: 2025-11-05 05:39
3. 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
4. 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
5. 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
6. 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
7. 我刚刚更新了我的TTS模型
作者: FrostDream | 发布于: 2025-10-12 20:16
8. 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
9. Voxscribe：语音识别模型对比平台
作者: fraseque | 发布于: 2025-10-09 09:07
10. 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
11. NeuTTS Air – Neuphonic推出的端侧TTS模型
作者: maxloh | 发布于: 2025-10-07 17:36
12. 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
13. 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
14. Show HN：一键构建语音代理的 CLI 工具，集成 STT/TTS/LLM
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
15. Ask HN：在编排实时语音识别与大语言模型时，你遇到了哪些痛点？
开发者分享实时语音应用开发痛点：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
16. 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
17. 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
18. 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
19. 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
20. 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