Hacker News 音频技术 - 2026-01-24
1. 使用Qwen3-TTS将电子书转换为有声读物
作者: khimaros | 发布于: 2026-01-23 21:09
2. 微软发布VibeVoice-ASR开源语音转文本模型
作者: putlake | 发布于: 2026-01-23 14:19
3. 尝试用Qwen3-TTS开源工具克隆我的声音并制作视频
作者: naveen-zerocool | 发布于: 2026-01-23 09:07
4. Show HN：音频AI迎来疯狂一日——五大开源/实时TTS模型集中发布
过去一周TTS领域快速发展，多家公司推出实时、开源、本地化语音模型，包括NVIDIA、Inworld AI、Flash Labs等，标志着该技术正进入加速期。
作者: pratik227 | 发布于: 2026-01-23 04:52
5. Qwen发布全新开源TTS模型
作者: binsquare | 发布于: 2026-01-22 14:38
6. Qwen3-TTS系列现已开源：语音设计、克隆与生成
作者: Palmik | 发布于: 2026-01-22 13:51
7. 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
8. 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
9. 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
10. 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
11. 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
12. Show HN：Sparrow-1——无需语音识别，实现类人对话轮换的原生音频模型
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，无需语音识别，在亚100毫秒延迟下避免打断，提升实时对话自然度。
作者: code_brian | 发布于: 2026-01-14 18:01
13. 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
14. 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
15. Sopro：一款具备零样本语音克隆功能的1.69亿参数实时TTS模型
作者: marques576 | 发布于: 2026-01-08 11:33
16. 英伟达发布Nemotron语音识别AI模型
作者: nathan_tarbert | 发布于: 2026-01-07 14:40
17. 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TTS模型，参数仅6600万，可在浏览器、手机等设备上运行，注重隐私和低延迟。
作者: login588 | 发布于: 2026-01-06 09:57
18. 完全本地运行的WebGPU免费TTS与STT
作者: kcordoc | 发布于: 2025-12-27 13:35
19. 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
20. 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