Hacker News 音频技术 - 2026-04-16
1. Gemini 3.1 Flash TTS：支持定向提示的文本转语音
作者: aanet | 发布于: 2026-04-15 17:47
2. Moss-TTS-Nano：在CPU上实现实时语音AI（开源TTS技术栈）
作者: steveharing1 | 发布于: 2026-04-15 17:38
3. Gemini 3.1 Flash TTS：新一代富有表现力的AI语音
作者: pretext | 发布于: 2026-04-15 16:32
4. Show HN：我开发了一款设备端文本转语音应用，因为我在飞机上听完了所有有声书
开发者因不想依赖云端服务，开发了LoudReader，一款完全在设备上运行的iOS应用，可将文章和书籍转为语音。应用支持EPUB/PDF导入，并针对不同设备性能优化了语音合成引擎。
作者: mowmiatlas | 发布于: 2026-04-15 15:11
5. TTS引擎对比：WebSocket与同步接口性能差5.5倍，M4芯片上INT8反比fp16慢
作者: KirMoisha | 发布于: 2026-04-15 14:23
6. Show HN：为欧洲打造语音模型，意外在英语Open-ASR中夺魁
作者: raoulritter | 发布于: 2026-04-15 12:06
7. Voxtral TTS：高质量文本转语音API
作者: danielmateo773 | 发布于: 2026-04-15 02:54
8. Show HN：我在 WhisperX 中新增了对 Qwen3-ASR 和 Qwen3 ForcedAligner 的支持
作者: mahfouz22 | 发布于: 2026-04-14 15:57
9. 克罗地亚语和塞尔维亚语ASR模型的区域性能差异
作者: taubek | 发布于: 2026-04-12 14:00
10. Show HN：可自托管、兼容 Deepgram 监听 API 的语音转文字服务
作者: innovatorved | 发布于: 2026-04-11 17:40
11. 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
12. 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
13. 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文本转语音工具，使用本地Kokoro模型生成高质量音频，支持离线使用，也可接入ElevenLabs云服务。
作者: jotaefea | 发布于: 2026-04-08 12:27
14. 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
15. Show HN：Yapit——一款体验出色的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
16. 我们大幅改进了Kokoro TTS训练器
作者: SainzA | 发布于: 2026-04-05 20:49
17. 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
18. Voxtral 文本转语音系统
作者: mihau | 发布于: 2026-04-02 18:05
19. 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
20. 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实时支持和预录音频功能以降低延迟。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