Hacker News 音频技术 - 2025-11-13
1. Show HN: Omnilingual ASR – 支持1,600种语言的全球语音识别系统
Omnilingual ASR支持1600多种语言语音识别，包括500种低资源语言，准确率高，可零样本学习扩展至5400种语言，提供多说话人检测和快速处理功能。
作者: lu794377 | 发布于: 2025-11-12 07:30
2. 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
3. 语音合成技术依然不尽人意
作者: speckx | 发布于: 2025-11-10 21:37
4. Omnilingual ASR：推进1600种语言的自动语音识别技术
Facebook开源OmniASR多语言语音识别系统，支持50多种语言的转录，提供在线演示和GitHub代码库。
作者: jean- | 发布于: 2025-11-10 18:10
5. 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，支持段落跳转、速度控制和多音色，但暂不支持Firefox。
作者: SambhavGupta | 发布于: 2025-11-06 19:28
6. Elevenlabs发布30亿参数开源TTS模型
Maya1语音AI模型支持自然语言控制、情感语音标签、音频流生成和vLLM集成，可在单GPU上运行。
作者: freakynit | 发布于: 2025-11-05 05:39
7. 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
8. 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
9. 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
10. Show HN: Lightning-SimulWhisper：苹果芯片实时语音识别系统
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
11. 我刚刚更新了我的TTS模型
作者: FrostDream | 发布于: 2025-10-12 20:16
12. 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
13. Voxscribe：语音识别模型对比平台
作者: fraseque | 发布于: 2025-10-09 09:07
14. 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
15. NeuTTS Air – Neuphonic推出的设备端TTS模型
作者: maxloh | 发布于: 2025-10-07 17:36
16. 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
17. 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
18. Show HN：一键构建带语音识别/合成和大语言模型的语音助手命令行工具
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
19. 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
20. 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。开源代码和训练过程，仅需1万小时数据和300美元成本，为小语种模型开发提供参考。
作者: ph4evers | 发布于: 2025-09-24 06:32