Hacker News 音频技术 - 2025-12-07
1. Ind-QwenTTS：用纯正印度口音生成“您的电脑有病毒”的TTS工具
作者: geniusyan | 发布于: 2025-12-05 17:29
2. Qwen3-TTS 更新：支持49种音色、10种语言和9种方言
作者: pretext | 发布于: 2025-12-05 16:34
3. VoxCPM：无分词器的文本转语音系统，实现情境感知语音生成与声音克隆
作者: chaosprint | 发布于: 2025-12-05 15:35
4. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32
5. 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
6. 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
7. 为何实验室模型声称准确率超95%，而现实世界语音识别仍徘徊在85%左右？
探讨语音识别在真实场景中的瓶颈，如口音、噪音导致准确率下降，以及如何通过微调、强化学习等方法提升至99%以上可靠性。
作者: DoubleThing | 发布于: 2025-11-30 10:02
8. 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，支持地理位置发现和URL主题搜索。
作者: j-b | 发布于: 2025-11-26 23:42
9. Cartesia TTS与腾讯RTC合作 – 演示
作者: shuoxin-wang | 发布于: 2025-11-26 06:05
10. 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
11. 超音素：Supertone开源超轻量级设备端TTS模型
作者: wansookim | 发布于: 2025-11-23 23:54
12. Show HN：Dia2，用于实时语音到语音的开源权重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
13. Show HN：Slave – 适用于 macOS 的本地听写与语音合成工具（免费支持 3,000 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，提供免费额度后转为订阅制。
作者: mesadb | 发布于: 2025-11-19 17:22
14. 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，并提供灵活的API集成。
作者: lu794377 | 发布于: 2025-11-12 07:30
15. 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
16. 语音合成技术依然不尽人意
作者: speckx | 发布于: 2025-11-10 21:37
17. Omnilingual ASR：推进1600种语言的自动语音识别
作者: jean- | 发布于: 2025-11-10 18:10
18. 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。
作者: SambhavGupta | 发布于: 2025-11-06 19:28
19. Elevenlabs发布30亿参数开源TTS模型
Maya1模型支持自然语言语音控制、情感化语音合成、流式音频生成，集成vLLM且单GPU即可运行。
作者: freakynit | 发布于: 2025-11-05 05:39
20. 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