Hacker News 音频技术 - 2026-04-23
1. 开放基准测试：商用流式TTS模型中的文本归一化性能评估
作者: baghdasaryana | 发布于: 2026-04-22 14:12
2. 在Linux上实现更优的文本转语音
作者: speckx | 发布于: 2026-04-21 20:56
3. Show HN：TTS.ai
作者: nadermx | 发布于: 2026-04-18 19:18
4. Grok TTS 与 STT API 发布
作者: chopete3 | 发布于: 2026-04-18 08:10
5. Gemini 3.1 Flash 文本转语音
作者: langitbiru | 发布于: 2026-04-16 06:17
6. 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
7. 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
8. 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
9. Show HN：我在飞机上听完了所有有声书，于是开发了这款设备端TTS应用
开发者因不想依赖云端服务，开发了完全在设备上运行的iOS朗读应用LoudReader，支持多种文档格式，并针对不同设备性能进行了优化。
作者: mowmiatlas | 发布于: 2026-04-15 15:11
10. 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
11. 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
12. Voxtral TTS：高品质文本转语音API
作者: danielmateo773 | 发布于: 2026-04-15 02:54
13. Show HN：我在 WhisperX 中添加了对 Qwen3-ASR 和 Qwen3 ForcedAligner 的支持
作者: mahfouz22 | 发布于: 2026-04-14 15:57
14. 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
15. 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
16. 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
17. 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
18. 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工具，可将文本转为高质量音频，支持本地Kokoro模型离线生成，也可接入ElevenLabs云服务，适合处理邮件、代码注释等短文本。
作者: jotaefea | 发布于: 2026-04-08 12:27
19. 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
20. 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