Hacker News 音频技术 - 2026-04-05
1. Voxtral 文本转语音系统
作者: mihau | 发布于: 2026-04-02 18:05
2. OmniVoice：支持600多种语言的高质量文本转语音
作者: drakirus | 发布于: 2026-04-02 12:21
3. Show HN：Dograh——使用LLM选择录音而非TTS的语音代理
Dograh v1.20发布，这是一个开源语音AI代理平台，新增Gemini 3.1实时支持和预录音频功能以降低延迟。平台提供可视化工作流，支持自托管，避免供应商锁定。
作者: a6kme | 发布于: 2026-03-31 18:28
4. Show HN：Migas——带实时发言人标注的会议助手（无需机器人，无需云端语音转文字）
Migas是一款本地语音识别工具，通过声纹识别实时标注说话人，支持跨会议积累上下文，所有处理均在设备端完成。
作者: blakers95 | 发布于: 2026-03-31 15:33
5. Voxtral TTS – 文本转语音生成器
作者: MintNow | 发布于: 2026-03-29 10:16
6. Mistral Voxtral TTS 通过 MLX 在苹果设备上实现本地运行
作者: lbj96347 | 发布于: 2026-03-28 12:47
7. Mistral AI发布开源TTS模型，宣称性能超越ElevenLabs
作者: nickthegreek | 发布于: 2026-03-26 14:31
8. mdbook-tts：将 mdBook 转换为可听的有声书
作者: bilalbayram | 发布于: 2026-03-25 15:31
9. Show HN：提供完整方法论的、可复现的开源语音转文字API基准测试
作者: jilijeanlouis | 发布于: 2026-03-24 13:06
10. Show HN：macOS Kokoro-TTS 文档朗读器——聆听任意文本
一款macOS应用，利用Kokoro TTS模型，可将ePub、PDF和纯文本文件转换为自然语音进行朗读。
作者: mattcheston | 发布于: 2026-03-20 03:20
11. STT.ai如何保护您的音频与转录数据：客户端加密存储方案
作者: nadermx | 发布于: 2026-03-19 20:14
12. Show HN：三款新 Kitten TTS 模型发布，最小体积不足 25MB
Kitten TTS发布三个开源小模型，支持八种语音，无需GPU即可在树莓派等设备运行，旨在缩小云端与本地TTS应用的差距。
作者: rohan_joshi | 发布于: 2026-03-19 15:56
13. Show HN：面向阅读障碍者的 Chrome 文本转语音阅读器
HoverSpeak是一款面向阅读障碍者的免费浏览器扩展，通过悬停和快捷键实现快速文本朗读，无需选中文字。
作者: yaronl_elh | 发布于: 2026-03-19 15:46
14. Qwen-ASR-CLI：纯Rust编写的本地Qwen语音识别命令行工具
作者: huang4fun | 发布于: 2026-03-19 12:28
15. Show HN：实时本地文本转语音（3100万参数，5.6倍CPU速度，语音克隆，ONNX）
作者发布了一个基于VITS改进的小型TTS模型，支持语音克隆和混合，采用Apache 2.0许可，注重低延迟本地推理，但音质和相似度有限。
作者: ZDisket | 发布于: 2026-03-18 20:48
16. Show HN：STT.ai——将音频和视频转录为文本
作者: nadermx | 发布于: 2026-03-18 09:12
17. 用手机语音输入在笔记本电脑上打字
作者开发了一个工具，可通过手机键盘语音输入在电脑上打字，支持vim、浏览器等环境。
作者: theSage | 发布于: 2026-03-16 06:56
18. Show HN：SciTeX 通知——为 AI 代理赋予声音：支持 TTS、电话与短信
scitex-notification为本地和远程AI代理提供多级通知系统，从语音播报到电话呼叫，支持紧急绕过静音模式。
作者: ywatanabe1989 | 发布于: 2026-03-15 22:19
19. Show HN: TTS.ai – 文本转语音
作者: nadermx | 发布于: 2026-03-15 16:41
20. Show HN：在浏览器中使用设备端语音识别实现语音跟踪的提词器
基于语音识别的浏览器端提词器，可根据说话节奏自动滚动和高亮文本，支持暂停和跳行匹配。
作者: lbaune | 发布于: 2026-03-15 09:15