Hacker News 音频技术 - 2025-12-24
1. Qwen3-TTS 升级：支持语音克隆与语音设计
作者: pretext | 发布于: 2025-12-23 12:52
2. Show HN：MiraTTS，一款48kHz开源TTS，速度达实时100倍
MiraTTS是一个基于Spark-TTS优化的高质量、高速本地文本转语音模型，通过FlashSR生成48kHz音频，并利用LMDeploy实现低延迟。
作者: Yatharth3501 | 发布于: 2025-12-18 16:24
3. 使用 Docker 本地运行完整语音处理栈（语音识别 → 大语言模型 → 语音合成）
作者: 3Sophons | 发布于: 2025-12-18 14:25
4. ChatterBox Turbo：开源权重文本转语音模型
作者: Palmik | 发布于: 2025-12-16 07:22
5. STT编排：利用前沿说话人日志技术提升转录效果
作者: hbredin | 发布于: 2025-12-11 16:20
6. Show HN：PageEcho – 离线AI电子书阅读器（设备端TTS与AI）
PageEcho是一款iOS全本地化电子书阅读器，支持EPUB/PDF等格式，集成离线TTS和苹果智能分析，所有功能均在设备端运行，无需网络或服务器。
作者: page_echo | 发布于: 2025-12-11 13:16
7. Ind-QwenTTS：用纯正印度口音合成“您的电脑有病毒”的TTS工具
作者: geniusyan | 发布于: 2025-12-05 17:29
8. Qwen3-TTS更新：支持49种音色、10种语言和9种方言
作者: pretext | 发布于: 2025-12-05 16:34
9. 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
10. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32
11. 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
12. 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
13. 为何实验室模型声称准确率超95%，现实世界语音识别仍仅约85%？
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%以上可靠性的方法。
作者: DoubleThing | 发布于: 2025-11-30 10:02
14. Show HN：AroundHere – 基于位置的维基/百科探索器，支持摘要与语音合成
AroundHere.app结合维基百科和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
15. Cartesia TTS 与腾讯 RTC 合作 – 演示
作者: shuoxin-wang | 发布于: 2025-11-26 06:05
16. 开源（Apache 2.0）TTS模型，用于实时流式对话音频
作者: SweetSoftPillow | 发布于: 2025-11-24 12:28
17. 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
18. Show HN：Dia2，用于实时语音转换的开源权重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
19. 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，提供免费额度后按月订阅。
作者: mesadb | 发布于: 2025-11-19 17:22
20. 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多种语言的大规模多语言语音识别系统，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