Hacker News 音频技术 - 2026-01-23
1. Qwen发布全新开源TTS模型
作者: binsquare | 发布于: 2026-01-22 14:38
2. Qwen3-TTS系列模型现已开源：语音设计、克隆与生成
作者: Palmik | 发布于: 2026-01-22 13:51
3. Show HN：BetterTTS – 适用于 Windows 的离线拟真 TTS 网页阅读器
本地运行的TTS应用，使用公共领域音频训练，提供40多种自然语音，支持PDF等多种格式，无需云端服务。
作者: iqraathemanuel | 发布于: 2026-01-22 09:27
4. Basic TTS：一款快速、免费且易于使用的在线文本转语音工具
作者: sea-gold | 发布于: 2026-01-22 02:04
5. Inworld的TTS模型成本降低25倍，延迟低于250毫秒
作者: Nash0x7e2 | 发布于: 2026-01-21 23:33
6. Show HN：无需GPU运行Dia2 TTS
作者创建了Dia2 TTS的Modal云服务包装器，无需本地GPU即可通过HTTPS API使用语音合成和克隆功能。
作者: quicheshore2003 | 发布于: 2026-01-15 22:49
7. Pocket TTS：一款为你的CPU发声的高质量文本转语音工具
作者: pain_perdu | 发布于: 2026-01-15 05:14
8. Show HN：Sparrow-1——无需ASR、具备人类级对话轮换能力的原生音频模型
Tavus发布Sparrow-1对话流模型，通过预测对话主导权实现音频原生流处理，无ASR依赖，响应延迟低于100毫秒且无中断。
作者: code_brian | 发布于: 2026-01-14 18:01
9. Sopro TTS：一款可在CPU上运行的1.69亿参数零样本语音克隆模型
作者: sammyyyyyyy | 发布于: 2026-01-08 20:37
10. AI语音代理架构入门：STT-LLM-TTS与WebSocket技术解析
作者: aldersondev | 发布于: 2026-01-08 16:21
11. Sopro：一个1.69亿参数、支持零样本语音克隆的实时TTS模型
作者: marques576 | 发布于: 2026-01-08 11:33
12. 英伟达AI发布Nemotron语音识别模型
作者: nathan_tarbert | 发布于: 2026-01-07 14:40
13. Show HN：Supertonic 2 —— 闪电般快速、设备端运行的多语言文本转语音
Supertonic是一款支持5种语言的本地化语音合成模型，参数仅6600万，可在浏览器、手机等多种设备上运行，注重隐私和低延迟。
作者: login588 | 发布于: 2026-01-06 09:57
14. 完全本地运行的WebGPU免费TTS与STT
作者: kcordoc | 发布于: 2025-12-27 13:35
15. 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
16. 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
17. 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
18. ChatterBox Turbo：开源权重文本转语音模型
作者: Palmik | 发布于: 2025-12-16 07:22
19. 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
20. 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等多种格式，集成离线TTS和苹果智能功能，所有处理均在设备端完成，无需网络连接。
作者: page_echo | 发布于: 2025-12-11 13:16