Hacker News 音频技术 - 2025-12-05
1. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32
2. Show HN：Gradium.ai TTS/STT API 的 Go 语言客户端库
作者: irqlevel | 发布于: 2025-12-02 19:52
3. Omnilingual ASR：面向1600种语言的开源多语言语音识别
作者: PaulHoule | 发布于: 2025-12-01 14:19
4. 为何实验室模型声称准确率超95%，而现实世界的语音识别仍停留在85%左右？
探讨语音识别在真实场景（如口音、噪音）中准确率下降的问题，寻求提升至99%可靠性的方法。
作者: DoubleThing | 发布于: 2025-11-30 10:02
5. Show HN：AroundHere – 基于位置的维基/百科探索器，支持摘要与语音合成
AroundHere.app整合维基百科和Grokipedia内容，通过Claude AI生成摘要并提供文本转语音功能，支持基于位置的附近文章发现和URL主题搜索。
作者: j-b | 发布于: 2025-11-26 23:42
6. Cartesia TTS与腾讯RTC合作 – 演示
作者: shuoxin-wang | 发布于: 2025-11-26 06:05
7. 开源（Apache 2.0）TTS模型，用于实时流式对话音频生成
作者: SweetSoftPillow | 发布于: 2025-11-24 12:28
8. Supertonic：Supertone 开源超轻量级设备端 TTS 模型
作者: wansookim | 发布于: 2025-11-23 23:54
9. Show HN：Dia2，用于实时语音转语音的开源权重TTS模型
Dia2是一个开源的流式对话TTS模型，支持低延迟语音生成和音频前缀功能，可生成长达2分钟的英语音频。
作者: toebee | 发布于: 2025-11-19 18:59
10. Show HN：Slave – 适用于 macOS 的本地听写与语音合成工具（免费支持 3000 词）
Slave是一款macOS语音输入输出应用，支持多语言听写和本地TTS朗读，基于Whisper和Piper技术，提供免费额度后按月订阅。
作者: mesadb | 发布于: 2025-11-19 17:22
11. Show HN：Omnilingual ASR——支持1,600种语言的全球语音识别
Omnilingual ASR 是一个支持1600多种语言的大规模多语言语音识别系统，尤其覆盖500种低资源语言，准确率高，可灵活部署。
作者: lu794377 | 发布于: 2025-11-12 07:30
12. Meta推出Omnilingual ASR：支持1600种语言的开源语音识别系统
作者: petralithic | 发布于: 2025-11-11 15:24
13. 语音合成技术依然不尽人意
作者: speckx | 发布于: 2025-11-10 21:37
14. Omnilingual ASR：推进1600种语言的自动语音识别
Facebook开源OmniASR多语言语音识别模型，支持50多种语言的转录和翻译。
作者: jean- | 发布于: 2025-11-10 18:10
15. Show HN：本地AI语音合成扩展
基于WebGPU和Kokoro TTS开发的开源浏览器扩展，实现本地AI语音合成，无需服务器且安全。支持段落跳转、速度控制和多音质。
作者: SambhavGupta | 发布于: 2025-11-06 19:28
16. Elevenlabs开源30亿参数TTS模型
Maya1模型支持自然语言语音控制、情感语音合成、流式音频生成，集成vLLM且单GPU可运行。
作者: freakynit | 发布于: 2025-11-05 05:39
17. 挑战：提升Mozilla多语言自动语音识别性能
作者: laurex | 发布于: 2025-11-02 18:20
18. Soniox发布语音识别模型v3版——语音理解新标杆
作者: raluk | 发布于: 2025-10-21 13:55
19. HuggingFace ASR榜单新增基准测试（如Nvidia Canary）
作者: pinter69 | 发布于: 2025-10-19 07:49
20. Show HN：Lightning-SimulWhisper：专为苹果芯片设计的实时语音识别系统
作者开源了SimulStreaming的CoreML/MLX移植版本，在M2 MacBook Pro上比原PyTorch实现快约15倍，平衡了内存与精度。
作者: predict-woo | 发布于: 2025-10-17 18:54