Hacker News 音频技术 - 2026-01-08
1. 英伟达AI发布Nemotron语音识别模型
作者: nathan_tarbert | 发布于: 2026-01-07 14:40
2. 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
3. 完全本地运行的WebGPU免费语音合成与识别
作者: kcordoc | 发布于: 2025-12-27 13:35
4. Qwen3-TTS 升级：支持语音克隆与语音设计
作者: pretext | 发布于: 2025-12-23 12:52
5. Show HN：MiraTTS，一款48kHz开源TTS，速度达实时100倍
MiraTTS是一个基于Spark-TTS优化的高质量本地文本转语音模型，通过FlashSR生成48kHz音频，并利用LMDeploy实现高速低延迟推理。
作者: Yatharth3501 | 发布于: 2025-12-18 16:24
6. 使用Docker在本地运行完整语音处理栈（语音识别→大语言模型→语音合成）
作者: 3Sophons | 发布于: 2025-12-18 14:25
7. ChatterBox Turbo：开源权重文本转语音模型
作者: Palmik | 发布于: 2025-12-16 07:22
8. STT编排：利用前沿说话人日志技术提升自有转录效果
作者: hbredin | 发布于: 2025-12-11 16:20
9. Show HN：PageEcho – 离线 AI 电子书阅读器（设备端 TTS 与 AI）
PageEcho是一款iOS全本地化电子书阅读器，支持多种格式，集成离线TTS和苹果智能功能，所有处理均在设备端完成，无需网络连接。
作者: page_echo | 发布于: 2025-12-11 13:16
10. Ind-QwenTTS：用纯正印度口音合成“您的电脑有病毒”的TTS工具
作者: geniusyan | 发布于: 2025-12-05 17:29
11. Qwen3-TTS 更新：支持 49 种音色、10 种语言及 9 种方言
作者: pretext | 发布于: 2025-12-05 16:34
12. VoxCPM：面向上下文感知语音生成与克隆的无分词器TTS系统
作者: chaosprint | 发布于: 2025-12-05 15:35
13. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32
14. 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
15. 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
16. 为何实验室模型声称准确率超95%，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（如口音、噪音）中准确率下降的问题，寻求提升至99%可靠性的技术瓶颈与解决方案。
作者: DoubleThing | 发布于: 2025-11-30 10:02
17. Show HN：AroundHere – 基于位置的维基/百科浏览器，支持摘要与语音合成
AroundHere.app结合维基百科和Grokipedia，通过Claude AI生成摘要和文本转语音，支持位置发现和URL搜索主题。
作者: j-b | 发布于: 2025-11-26 23:42
18. Cartesia TTS 与腾讯 RTC 合作 – 演示
作者: shuoxin-wang | 发布于: 2025-11-26 06:05
19. 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
20. 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