Hacker News 音频技术 - 2026-04-13
1. ASR模型在克罗地亚语和塞尔维亚语中的性能区域差异
作者: taubek | 发布于: 2026-04-12 14:00
2. Show HN：可自托管的 STT 服务，提供兼容 Deepgram 的监听 API
作者: innovatorved | 发布于: 2026-04-11 17:40
3. Parakeet 流式语音识别在 Apple Silicon 上通过 CoreML 实现——及 Swift 演示应用
作者: ipotapov | 发布于: 2026-04-11 07:57
4. 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
5. Show HN：SuperUtter – 一款轻量级 macOS 文本转语音应用（支持本地 Kokoro 和 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
6. 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
7. Show HN：Yapit – 一款不逊色的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
8. 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
9. 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
10. Voxtral 文本转语音系统
作者: mihau | 发布于: 2026-04-02 18:05
11. 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
12. Show HN：Dograh——利用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，并提供可视化工作流构建器，支持完全自托管，避免供应商锁定。
作者: a6kme | 发布于: 2026-03-31 18:28
13. 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
14. Voxtral TTS – 文本转语音生成器
作者: MintNow | 发布于: 2026-03-29 10:16
15. 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
16. 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
17. mdbook-tts：将 mdBook 转换为可听的有声书
作者: bilalbayram | 发布于: 2026-03-25 15:31
18. 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
19. Show HN：macOS Kokoro-TTS 文档朗读器——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
20. STT.ai如何保护您的音频与转录数据：客户端加密存储
作者: nadermx | 发布于: 2026-03-19 20:14