Hacker News 音频技术 - 2026-01-27
1. Qwen3-TTS 在 CPU 上也能运行，无需英伟达 GPU
作者: grigio | 发布于: 2026-01-25 22:06
2. Mojo纯实现版Moonshine ASR模型性能超越PyTorch+Keras达6倍
作者: farhan99 | 发布于: 2026-01-25 20:12
3. VibeVoice-ASR：支持说话人分离且无需分块的语音转文字技术
作者: rahimnathwani | 发布于: 2026-01-25 15:51
4. Qwen3-TTS：超低延迟（97毫秒）、语音克隆与OpenAI兼容API
作者: thunderbong | 发布于: 2026-01-25 08:46
5. 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
6. Show HN：Manim 动画的 Qwen3-TTS 集成
作者为Manim动画库开发了Qwen3-TTS插件，支持语音克隆、文本描述生成和预设音色，可实现本地化、多语言的AI语音旁白合成。
作者: DurhamSmith | 发布于: 2026-01-24 18:04
7. 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
8. 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
9. 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
10. 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，多家公司推出开源、实时、本地化的语音模型，包括NVIDIA、Inworld AI等，技术趋势类似去年LLM的加速期。
作者: pratik227 | 发布于: 2026-01-23 04:52
11. Qwen发布全新开源TTS模型
作者: binsquare | 发布于: 2026-01-22 14:38
12. 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
13. 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
14. 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
15. 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
16. 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
17. Pocket TTS：一款为你的CPU发声的高质量语音合成工具
作者: pain_perdu | 发布于: 2026-01-15 05:14
18. 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实时音频流响应，无需语音识别，延迟低于100毫秒且无中断。
作者: code_brian | 发布于: 2026-01-14 18:01
19. 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
20. 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