Hacker News 音频技术 - 2026-01-03
1. 完全本地运行的WebGPU免费TTS与STT
作者: kcordoc | 发布于: 2025-12-27 13:35
2. 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
3. Show HN：MiraTTS，一款48kHz开源TTS，速度达实时100倍
MiraTTS是一个基于Spark-TTS优化的高质量本地文本转语音模型，通过FlashSR生成48kHz音频，并利用LMDeploy实现高速低延迟推理。
作者: Yatharth3501 | 发布于: 2025-12-18 16:24
4. 使用 Docker 在本地运行完整的语音处理栈（语音识别 → 大语言模型 → 语音合成）
作者: 3Sophons | 发布于: 2025-12-18 14:25
5. ChatterBox Turbo：开源权重文本转语音模型
作者: Palmik | 发布于: 2025-12-16 07:22
6. STT编排：利用前沿说话人日志技术提升自有转录效果
作者: hbredin | 发布于: 2025-12-11 16:20
7. 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，无需联网或上传数据。
作者: page_echo | 发布于: 2025-12-11 13:16
8. Ind-QwenTTS：用纯正印度口音生成“您的电脑有病毒”的语音合成工具
作者: geniusyan | 发布于: 2025-12-05 17:29
9. 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
10. VoxCPM：无需分词器的TTS，实现情境感知语音生成与声音克隆
作者: chaosprint | 发布于: 2025-12-05 15:35
11. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32
12. 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
13. 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
14. 为何实验室模型声称准确率超95%，现实世界语音识别仍只有约85%？
探讨语音识别在真实场景中的瓶颈，如口音、噪音导致准确率下降，以及向高精度、实时交互系统发展的挑战。
作者: DoubleThing | 发布于: 2025-11-30 10:02
15. 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结合位置信息展示维基百科和Grokipedia文章，用Claude AI生成摘要并提供文本转语音功能，支持URL搜索和附近地点发现。
作者: j-b | 发布于: 2025-11-26 23:42
16. Cartesia TTS 与腾讯 RTC 合作 – 演示
作者: shuoxin-wang | 发布于: 2025-11-26 06:05
17. 开源（Apache 2.0）实时流式对话音频TTS模型
作者: SweetSoftPillow | 发布于: 2025-11-24 12:28
18. 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
19. Show HN：Dia2，用于实时语音转语音的开源权重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
20. Show HN：Slave – 适用于 macOS 的本地听写与语音合成工具（免费支持 3,000 词）
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