Hacker News 音频技术 - 2025-12-13
1. STT编排：利用SotA说话人分割技术提升自有转录效果
作者: hbredin | 发布于: 2025-12-11 16:20
2. Show HN：PageEcho – 离线AI电子书阅读器（设备端TTS与AI）
PageEcho是一款iOS全离线电子书阅读器，支持多种格式，所有TTS、摘要、问答等功能均在设备本地运行，无需连接服务器。
作者: page_echo | 发布于: 2025-12-11 13:16
3. Ind-QwenTTS：用纯正印度口音说“你的电脑有病毒”的文本转语音工具
作者: geniusyan | 发布于: 2025-12-05 17:29
4. Qwen3-TTS更新：支持49种音色、10种语言及9种方言
作者: pretext | 发布于: 2025-12-05 16:34
5. VoxCPM：无需分词器的TTS，实现上下文感知语音生成与声音克隆
作者: chaosprint | 发布于: 2025-12-05 15:35
6. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32
7. Show HN：Gradium.ai TTS/STT API 的 Go 语言客户端库
作者: irqlevel | 发布于: 2025-12-02 19:52
8. Omnilingual ASR：面向1600种语言的开源多语言语音识别
作者: PaulHoule | 发布于: 2025-12-01 14:19
9. 为何实验室模型声称准确率超95%，而实际场景的语音识别仍徘徊在85%左右？
探讨语音识别在真实场景（如口音、噪音）中准确率下降的问题，寻求提升至99%可靠性的方法。
作者: DoubleThing | 发布于: 2025-11-30 10:02
10. Show HN：AroundHere – 基于位置的维基/百科浏览器，支持摘要与语音合成
AroundHere.app整合维基百科和Grokipedia内容，通过Claude AI生成摘要并提供文本转语音功能，支持基于位置的探索和URL主题搜索。
作者: j-b | 发布于: 2025-11-26 23:42
11. Cartesia TTS 与腾讯 RTC 合作 – 演示
作者: shuoxin-wang | 发布于: 2025-11-26 06:05
12. 开源（Apache 2.0）TTS模型，用于实时流式对话音频生成
作者: SweetSoftPillow | 发布于: 2025-11-24 12:28
13. Supertonic：Supertone 开源超轻量级设备端 TTS 模型
作者: wansookim | 发布于: 2025-11-23 23:54
14. Show HN：Dia2，用于实时语音到语音的开源权重TTS模型
Dia2是一个开源的流式对话TTS模型，支持低延迟语音生成和音频前缀功能，可生成长达2分钟的英语音频。
作者: toebee | 发布于: 2025-11-19 18:59
15. Show HN：Slave – 适用于 macOS 的本地听写与语音合成工具（免费支持 3 千词汇）
Slave是一款macOS语音输入输出应用，支持多语言听写和本地TTS朗读，基于Whisper和Piper技术，未来将加入会议转录和笔记功能。
作者: mesadb | 发布于: 2025-11-19 17:22
16. Show HN：Omnilingual ASR——支持1,600种语言的全球语音识别
Omnilingual ASR 是一个支持1600多种语言的大规模语音识别系统，尤其覆盖500种低资源语言，准确率高，可灵活部署。
作者: lu794377 | 发布于: 2025-11-12 07:30
17. 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
18. 语音合成技术依然不尽人意
作者: speckx | 发布于: 2025-11-10 21:37
19. Omnilingual ASR：推进1600种语言的自动语音识别
Facebook开源OmniASR多语言语音识别系统，支持50多种语言的转录和翻译。
作者: jean- | 发布于: 2025-11-10 18:10
20. Show HN：本地AI语音合成扩展
基于WebGPU和Kokoro TTS开发了浏览器端AI语音合成扩展，无需服务器、安全，并添加了段落跳转、速度控制等功能。
作者: SambhavGupta | 发布于: 2025-11-06 19:28