Hacker News 音频技术 - 2025-11-12
1. Meta推出Omnilingual ASR：支持1600种语言的开源语音识别系统
作者: petralithic | 发布于: 2025-11-11 15:24
2. 语音合成技术依然不尽人意
作者: speckx | 发布于: 2025-11-10 21:37
3. Omnilingual ASR：推进1600种语言的自动语音识别技术
作者: jean- | 发布于: 2025-11-10 18:10
4. 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
5. Elevenlabs发布30亿参数开源TTS模型
支持自然语言语音控制、情感语音标记、流式音频生成和vLLM集成，可在单GPU上运行的多功能语音AI系统。
作者: freakynit | 发布于: 2025-11-05 05:39
6. 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
7. 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
8. 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
9. 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
10. 我刚刚更新了我的TTS模型
作者: FrostDream | 发布于: 2025-10-12 20:16
11. 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
12. Voxscribe：语音转文字模型对比平台
作者: fraseque | 发布于: 2025-10-09 09:07
13. 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。添加”with.audio/“前缀即可使用，首次需下载语音模型（300MB），支持离线使用。
作者: vahid4m | 发布于: 2025-10-08 13:26
14. NeuTTS Air – Neuphonic推出的端侧TTS模型
作者: maxloh | 发布于: 2025-10-07 17:36
15. 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
16. 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
17. Show HN：一键构建支持语音识别/语音合成/大语言模型的语音助手命令行工具
发布语音AI代理开发CLI工具，支持构建、测试和部署，可直接通过npx命令使用，并征求开发者反馈。
作者: aidanhornsby | 发布于: 2025-09-29 13:40
18. 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？
开发者分享实时语音应用开发痛点：语音转文本到LLM流程存在准确率随对话长度下降、延迟叠加导致交互卡顿等问题，寻求解决方案和技术建议。
作者: kojaco | 发布于: 2025-09-29 00:26
19. Show HN: Parkiet – 用不到100美元为任意语言微调大型TTS模型
使用谷歌TPU免费额度训练荷兰语TTS模型，效果媲美ElevenLabs。开源了权重和完整训练流程，成本仅100-300美元。为其他语言TTS开发提供实用指南。
作者: ph4evers | 发布于: 2025-09-24 06:32
20. 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