Hacker News 音频技术 - 2026-01-12
1. 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
2. AI语音代理架构入门：STT-LLM-TTS与WebSocket详解
作者: aldersondev | 发布于: 2026-01-08 16:21
3. Sopro：一个1.69亿参数、支持零样本语音克隆的实时TTS模型
作者: marques576 | 发布于: 2026-01-08 11:33
4. 英伟达AI发布Nemotron语音识别系统
作者: nathan_tarbert | 发布于: 2026-01-07 14:40
5. 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，强调隐私和低延迟。
作者: login588 | 发布于: 2026-01-06 09:57
6. 完全本地运行的WebGPU免费TTS与STT
作者: kcordoc | 发布于: 2025-12-27 13:35
7. 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
8. 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
9. 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
10. ChatterBox Turbo：开源权重文本转语音模型
作者: Palmik | 发布于: 2025-12-16 07:22
11. 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
12. 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EPUB/PDF等多种格式，集成离线TTS和苹果智能分析功能，所有数据处理均在设备端完成，无需联网。
作者: page_echo | 发布于: 2025-12-11 13:16
13. Ind-QwenTTS：用纯正印度口音说“你的电脑有病毒”的文本转语音工具
作者: geniusyan | 发布于: 2025-12-05 17:29
14. 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
15. VoxCPM：无需分词器的TTS，实现上下文感知语音生成与声音克隆
作者: chaosprint | 发布于: 2025-12-05 15:35
16. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32
17. 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
18. 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
19. 为何实验室模型声称准确率超95%，而实际场景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
20. Show HN：AroundHere – 基于位置的维基百科/城市百科浏览器，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探索和URL主题搜索。
作者: j-b | 发布于: 2025-11-26 23:42