Hacker News 音频技术 - 2026-01-25
1. Inworld TTS-1.5：升级排名第一的文本转语音模型
作者: wahnfrieden | 发布于: 2026-01-24 23:35
2. Show HN：为 Manim 动画集成 Qwen3-TTS
为Manim动画工具开发Qwen3-TTS插件，支持语音克隆、文本描述生成和预设音色，实现本地化、多语言的AI语音旁白合成。
作者: DurhamSmith | 发布于: 2026-01-24 18:04
3. 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
4. 微软发布开源语音转文本模型VibeVoice-ASR
作者: putlake | 发布于: 2026-01-23 14:19
5. 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
6. Show HN：音频AI迎来疯狂一日——五大开源/实时TTS模型集中发布
音频/TTS领域近期快速发展，多家公司推出实时、开源、本地化模型，包括NVIDIA、Inworld AI等，技术加速趋势类似去年LLMs。
作者: pratik227 | 发布于: 2026-01-23 04:52
7. Qwen发布全新开源TTS模型
作者: binsquare | 发布于: 2026-01-22 14:38
8. 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
9. Show HN：BetterTTS – 适用于 Windows 的离线拟真 TTS 网页阅读器
基于公开音频训练的本地TTS应用，支持PDF等多种格式，提供自然语音朗读和页面导航功能，无需云端依赖。
作者: iqraathemanuel | 发布于: 2026-01-22 09:27
10. 基础TTS：快速、免费、易用的在线文本转语音工具
作者: sea-gold | 发布于: 2026-01-22 02:04
11. 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
12. Show HN：无需GPU运行Dia2 TTS
作者创建了Dia2 TTS的Modal包装器，无需本地GPU即可通过HTTPS API使用，支持语音克隆和云端运行。
作者: quicheshore2003 | 发布于: 2026-01-15 22:49
13. 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
14. Show HN：Sparrow-1——无需ASR、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毫秒延迟下实现无中断、类真人时机的实时对话。
作者: code_brian | 发布于: 2026-01-14 18:01
15. 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
16. AI语音代理架构入门：STT-LLM-TTS与WebSocket详解
作者: aldersondev | 发布于: 2026-01-08 16:21
17. 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
18. 英伟达发布Nemotron语音识别模型
作者: nathan_tarbert | 发布于: 2026-01-07 14:40
19. 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
20. 完全本地运行的WebGPU免费TTS与STT
作者: kcordoc | 发布于: 2025-12-27 13:35