Hacker News 音频技术 - 2026-04-06
1. 我们对Kokoro TTS训练器进行了重大改进
作者: SainzA | 发布于: 2026-04-05 20:49
2. 值得一试的开源语音克隆TTS模型
作者: steveharing1 | 发布于: 2026-04-05 15:47
3. Voxtral 文本转语音系统
作者: mihau | 发布于: 2026-04-02 18:05
4. OmniVoice：支持600多种语言的高质量文本转语音
作者: drakirus | 发布于: 2026-04-02 12:21
5. Show HN：Dograh——使用LLM选择录音而非TTS的语音代理
Dograh v1.20发布，这是一个开源语音AI代理平台。新增Gemini 3.1实时支持与预录音频功能，以降低延迟并提升自然度。平台提供可视化工作流，支持自托管，避免供应商锁定。
作者: a6kme | 发布于: 2026-03-31 18:28
6. Show HN：Migas——带实时发言人标签的会议助手（无需机器人，无需云端语音转文字）
Migas是一款本地语音识别工具，通过声纹识别实时标注发言人，支持跨会议上下文分析，所有音频处理均在设备端完成。
作者: blakers95 | 发布于: 2026-03-31 15:33
7. Voxtral TTS – 文本转语音生成器
作者: MintNow | 发布于: 2026-03-29 10:16
8. Mistral Voxtral TTS 通过 MLX 在苹果设备上实现本地运行
作者: lbj96347 | 发布于: 2026-03-28 12:47
9. Mistral AI发布开源TTS模型，宣称性能超越ElevenLabs
作者: nickthegreek | 发布于: 2026-03-26 14:31
10. mdbook-tts：将 mdBook 转换为可听的有声书
作者: bilalbayram | 发布于: 2026-03-25 15:31
11. Show HN：可复现的开源语音转文字API基准测试，附完整方法论
作者: jilijeanlouis | 发布于: 2026-03-24 13:06
12. Show HN：macOS Kokoro-TTS 驱动的文档阅读器——聆听任意文本
一款macOS应用，利用Kokoro TTS模型，可将ePub、PDF和纯文本文件转换为自然语音进行朗读。
作者: mattcheston | 发布于: 2026-03-20 03:20
13. STT.ai如何保护您的音频与转录：客户端加密存储
作者: nadermx | 发布于: 2026-03-19 20:14
14. Show HN：三款新的 Kitten TTS 模型发布，最小体积不到 25MB
Kitten TTS发布三款开源小模型，支持8种语音，可在树莓派等设备上运行，无需GPU。
作者: rohan_joshi | 发布于: 2026-03-19 15:56
15. Show HN：面向阅读障碍者的 Chrome 文本转语音阅读器
HoverSpeak是一款面向阅读障碍者的免费浏览器扩展，通过悬停和快捷键快速朗读网页文本，无需选中或登录。
作者: yaronl_elh | 发布于: 2026-03-19 15:46
16. Qwen-ASR-CLI：纯Rust编写的本地Qwen语音识别命令行工具
作者: huang4fun | 发布于: 2026-03-19 12:28
17. Show HN：实时本地文本转语音（3100万参数，5.6倍CPU速度，语音克隆，ONNX）
开源小模型实现实时语音克隆与混合，支持本地低延迟推理，但音质和相似度有限。
作者: ZDisket | 发布于: 2026-03-18 20:48
18. Show HN：STT.ai – 音频视频转文字工具
作者: nadermx | 发布于: 2026-03-18 09:12
19. 用手机语音输入在笔记本电脑上打字
作者开发了一个工具，可通过手机键盘语音输入在电脑上打字，支持vim、浏览器等环境。
作者: theSage | 发布于: 2026-03-16 06:56
20. Show HN：SciTeX 通知——为 AI 代理赋予声音：TTS、电话、短信
scitex-notification为本地和远程AI代理提供多级通知系统，从语音播报到电话呼叫，支持紧急绕过静音模式。
作者: ywatanabe1989 | 发布于: 2026-03-15 22:19