Hacker News 音频技术 - 2026-04-10
1. Tiny-TTS：仅含100万参数的最小英语TTS模型
作者: thunderbong | 发布于: 2026-04-08 12:58
2. Show HN：SuperUtter – 一款轻量级 macOS 文本转语音应用（支持本地 Kokoro 与 ElevenLabs）
SuperUtter是一款macOS本地文本转语音工具，使用Kokoro模型离线生成高质量音频，也支持ElevenLabs云服务，适合快速朗读短文本。
作者: jotaefea | 发布于: 2026-04-08 12:27
3. Parakeet-unified-en-0.6B：支持离线和流式推理的统一ASR模型
作者: scottyeager | 发布于: 2026-04-08 03:19
4. Show HN：Yapit – 一款不差劲的 PDF 与网页阅读器，支持文本转语音
Yapit将PDF和网页转为音频，通过视觉LLM处理复杂排版和数学公式，避免内容错乱。支持自托管和浏览器内TTS。
作者: MaxWolf-01 | 发布于: 2026-04-06 12:28
5. 我们大幅改进了Kokoro TTS训练器
作者: SainzA | 发布于: 2026-04-05 20:49
6. 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
7. Voxtral 文本转语音系统
作者: mihau | 发布于: 2026-04-02 18:05
8. 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
9. 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。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
10. Show HN：Migas——带实时发言人标注的会议助手（无需机器人，无需云端语音识别）
Migas是一款本地语音识别工具，通过设备端声纹识别实时标注说话人，支持跨会议积累上下文，仅AI聊天需云端处理。
作者: blakers95 | 发布于: 2026-03-31 15:33
11. Voxtral TTS – 文本转语音生成器
作者: MintNow | 发布于: 2026-03-29 10:16
12. 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
13. 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
14. mdbook-tts：将 mdBook 转换为可听的有声书
作者: bilalbayram | 发布于: 2026-03-25 15:31
15. Show HN：提供完整方法论的、可复现的开源语音转文字API基准测试
作者: jilijeanlouis | 发布于: 2026-03-24 13:06
16. 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
17. STT.ai如何保护您的音频与转录数据：客户端加密存储方案
作者: nadermx | 发布于: 2026-03-19 20:14
18. Show HN：三款全新 Kitten TTS 模型发布，最小体积不足 25MB
Kitten TTS发布三个开源小模型，支持八种语音，无需GPU即可在树莓派等设备运行，旨在缩小设备端与云端TTS的差距。
作者: rohan_joshi | 发布于: 2026-03-19 15:56
19. 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
20. 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