Hacker News 音频技术 - 2026-04-21
1. Show HN：TTS.ai
作者: nadermx | 发布于: 2026-04-18 19:18
2. Grok TTS 与 STT API 发布
作者: chopete3 | 发布于: 2026-04-18 08:10
3. Gemini 3.1 Flash 文本转语音
作者: langitbiru | 发布于: 2026-04-16 06:17
4. 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
5. 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
6. 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
7. 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
8. 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
9. 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
10. Voxtral TTS：高品质文本转语音API
作者: danielmateo773 | 发布于: 2026-04-15 02:54
11. 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
12. 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
13. 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
14. 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
15. 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
16. 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工具，可将文本转为高质量音频，支持本地Kokoro模型离线生成或云端ElevenLabs API，专注短文本工作流。
作者: jotaefea | 发布于: 2026-04-08 12:27
17. 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
18. 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
19. 我们大幅改进了Kokoro TTS训练器
作者: SainzA | 发布于: 2026-04-05 20:49
20. 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