跳到正文
  1. MLX Audio65

    MLX Audio v0.5.9 新增流式语音能力与模型支持

    MLX Audio v0.5.9 新增 Nemotron 流式 STT、Fish S2 Pro 流式支持及 Irodori-TTS v4-Large 支持。版本还修复 Qwen3-TTS 流式解码偏差和未指定 max_tokens 时转写接口被限制为 1024 tokens 的问题,并调整 Metal 内核使用条件与 httpx2 依赖。

    推荐理由:版本说明覆盖流式语音识别与生成模型支持、转写接口修复及Metal内核适配,可直接用于评估AI语音流程升级与部署兼容性。

  1. Castos Blog67

    Castos 为播客 RSS feed 增加 WebVTT 转写文件支持

    Castos 现在会通过 RSS feed 将 AI 转写转换为带时间戳的 .vtt 文件,并添加到新节目及已有转写节目。创作者也可在单集编辑器上传 .vtt 文件,支持 Apple Podcasts 等读取 Podcasting 2.0 <podcast:transcript> 标签的播客应用显示字幕;文件上限为 2 MB,必须以 WEBVTT 开头并包含至少一条带时间的字幕。

    推荐理由:Castos 将 AI 转写和手动上传的 WebVTT 字幕统一接入 RSS feed,能直接改善 Apple Podcasts 等支持 Podcasting 2.0 的客户端显示,也明确了文件要求、替换方式与订阅权限。

  1. FunASR66

    FunASR v1.4.13 发布,新增 n8n OpenAI 音频转写支持

    FunASR v1.4.13 新增服务端对 n8n OpenAI 音频转写的支持,并修复 ONNX 依赖错误、实时 VAD 部分结果超时及 NumPy 2 ABI 不匹配等问题。该版本配套当前预构建 llama.cpp / GGUF 运行时,提供 Linux、macOS 和 Windows 多平台资源;Python 用户可安装 funasr==1.4.13。

    推荐理由:新增 n8n OpenAI 音频转写支持并修复运行时、VAD 与依赖问题,配套多平台预编译资源,对语音转写流程集成和部署维护有直接参考价值。

  1. Piper TTS69

    Piper发布v1.3.0:迁移开发并调整API、CLI与许可

    Piper v1.3.0将开发迁移至OHF-Voice组织,暂移除C++代码并计划编写C API,同时改用GPLv3许可。Python API改为由PiperVoice.synthesize接收SynthesisConfig并生成AudioChunk,移除synthesize_raw,新增语音下载工具、文件输入、ffplay直出、原始音素和音量调整等CLI支持。

    推荐理由:版本更新将移除C++代码、调整Python API与CLI输入输出方式,并改用GPLv3;使用Piper语音合成、部署集成或依赖相关许可的制作团队需核对兼容性。

已经到底了