Hacker News 音频技术 - 2026-01-22
1. Inworld的TTS模型成本降低25倍，延迟低于250毫秒
作者: Nash0x7e2 | 发布于: 2026-01-21 23:33
2. Show HN：无需GPU运行Dia2 TTS
作者创建了Dia2 TTS的云端API包装器，无需本地GPU即可通过Modal服务器运行，简化了部署和使用流程。
作者: quicheshore2003 | 发布于: 2026-01-15 22:49
3. Pocket TTS：一款为你的CPU发声的高质量文本转语音工具
作者: pain_perdu | 发布于: 2026-01-15 05:14
4. Show HN：Sparrow-1——无需ASR、实现类人级对话轮换的原生音频模型
Tavus发布Sparrow-1对话流模型，通过预测对话主导权实现音频原生流处理，无需语音识别，在亚100毫秒延迟下避免打断，提升实时语音对话的自然性。
作者: code_brian | 发布于: 2026-01-14 18:01
5. 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
6. AI语音代理架构入门：STT-LLM-TTS与WebSocket技术解析
作者: aldersondev | 发布于: 2026-01-08 16:21
7. 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
8. 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
9. 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、手机等多种设备上运行，注重隐私和低延迟。
作者: login588 | 发布于: 2026-01-06 09:57
10. 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
11. 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
12. Show HN：MiraTTS，一款48kHz开源TTS，速度达实时100倍
MiraTTS是一款基于Spark-TTS优化的高质量、高速本地文本转语音模型，通过FlashSR生成48kHz音频，并利用LMDeploy实现低延迟。
作者: Yatharth3501 | 发布于: 2025-12-18 16:24
13. 使用 Docker 在本地运行完整的语音处理栈（语音识别 → 大语言模型 → 语音合成）
作者: 3Sophons | 发布于: 2025-12-18 14:25
14. ChatterBox Turbo：开源权重文本转语音模型
作者: Palmik | 发布于: 2025-12-16 07:22
15. 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
16. 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
17. Ind-QwenTTS：用纯正印度口音说出“您的电脑有病毒”的文本转语音工具
作者: geniusyan | 发布于: 2025-12-05 17:29
18. Qwen3-TTS 更新：49种音色、10种语言与9种方言
作者: pretext | 发布于: 2025-12-05 16:34
19. 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
20. Show HN：Gradium.ai TTS/STT API 的 Rust 客户端库
作者: irqlevel | 发布于: 2025-12-03 21:32