Hacker News 音频技术 - 2026-04-25
1. MiMo-v2.5-TTS系列
作者: gainsurier | 发布于: 2026-04-24 00:58
2. 开放基准测试：商业流式TTS模型中的文本规范化
作者: baghdasaryana | 发布于: 2026-04-22 14:12
3. Linux 上更好的文本转语音 (TTS) 体验
作者: speckx | 发布于: 2026-04-21 20:56
4. Show HN: TTS.ai
作者: nadermx | 发布于: 2026-04-18 19:18
5. Grok TTS与STT API接口
作者: chopete3 | 发布于: 2026-04-18 08:10
6. Gemini 3.1 Flash TTS
作者: langitbiru | 发布于: 2026-04-16 06:17
7. Gemini 3.1 Flash TTS – 支持定向提示
作者: aanet | 发布于: 2026-04-15 17:47
8. Moss-TTS-Nano：CPU上的实时语音AI（开源TTS技术栈）
作者: steveharing1 | 发布于: 2026-04-15 17:38
9. Gemini 3.1 Flash TTS：下一代富有表现力的AI语音技术
作者: pretext | 发布于: 2026-04-15 16:32
10. Show HN：我开发了一款设备端TTS应用，因为飞机上听完了所有有声书
开发者创建了LoudReader，一款iOS离线朗读应用，支持EPUB/PDF，使用Kokoro模型实现设备端语音合成，解决飞行中无网络听内容问题。
作者: mowmiatlas | 发布于: 2026-04-15 15:11
11. TTS引擎：WebSocket与同步性能相差5.5倍，M4芯片上INT8比fp16更慢
作者: KirMoisha | 发布于: 2026-04-15 14:23
12. Show HN：为欧洲构建语音模型，意外在英语Open-ASR中登顶
作者: raoulritter | 发布于: 2026-04-15 12:06
13. Voxtral TTS – 高质量文本转语音API
作者: danielmateo773 | 发布于: 2026-04-15 02:54
14. Show HN：我在 WhisperX 中增加了对 Qwen3-ASR 和 Qwen3 强制对齐器的支持
作者: mahfouz22 | 发布于: 2026-04-14 15:57
15. ASR模型在克罗地亚语和塞尔维亚语上的表现存在地区差异
作者: taubek | 发布于: 2026-04-12 14:00
16. Show HN：自托管STT服务，兼容Deepgram的listen API
作者: innovatorved | 发布于: 2026-04-11 17:40
17. 通过CoreML在Apple Silicon上实现Parakeet流式ASR——以及Swift演示应用
作者: ipotapov | 发布于: 2026-04-11 07:57
18. Tiny-TTS：仅含1M参数的最小英文TTS模型
作者: thunderbong | 发布于: 2026-04-08 12:58
19. Show HN: SuperUtter – 轻量级macOS文本转语音应用（支持Kokoro本地和ElevenLabs）
SuperUtter是一款macOS文本转语音工具，本地使用Kokoro模型，支持离线，也可选ElevenLabs云端，适合短文本朗读。
作者: jotaefea | 发布于: 2026-04-08 12:27
20. Parakeet-unified-en-0.6B：面向离线与流式推理的统一ASR模型
作者: scottyeager | 发布于: 2026-04-08 03:19