Partyline：基于 Reticulum 和 LXST 的群体语音应用
Partyline 是一款基于 Reticulum、使用 LXST 构建的群体语音应用，支持加密实时多人语音、房间权限控制、拨号接入以及 GUI 和终端客户端。
推荐理由：项目提供可直接运行的服务器、GUI 和终端客户端，以及多套房间权限、编码和 PTT 配置，便于评估不同网络条件下的部署方案。
#语音
Hacker News精选AI 评分3939
AWS Machine Learning Blog精选AI 评分6969 如何使用 Kokoro TTS 和 Amazon SageMaker AI 实现 AI 智能体低延迟语音流式输出
本文演示将 AI 智能体逐句生成的文本即时送入 Amazon SageMaker AI 上的 Kokoro-82M TTS 模型，并在完整回答完成前开始播放语音。
推荐理由：给出逐句流式合成、双向会话和音频回传的实现路径，并用对照测试量化各方案的首音频延迟与实现取舍。
AWS Machine Learning Blog精选AI 评分6767 如何用实测设置 Amazon SageMaker AI 上 Kokoro-82M 的 TTS 自动扩缩容
AWS 教程在 Amazon SageMaker AI 上部署 Kokoro-82M，并用 Q_max 与 T_total 两项实测配置 TTS 自动扩缩容。在 3,000 ms p95 TTFAB SLO 下，Q_max=50；纯扩容实测耗时 260.2 秒，另计入由策略配置限定的 60.0 秒检测延迟，规划值为 320.2 秒。
推荐理由：文章把TTS自动扩缩容拆成Q_max与T_total两项实测，并用它们推导阈值和冷却时间，方法可迁移到其他延迟敏感端点。
AWS Machine Learning Blog精选AI 评分3838 Deepgram 如何借助 AWS Trainium 规模化优化语音 AI 推理
Deepgram 与 AWS Forward Deployed Engineering 团队合作，将 Nova-3 语音转文字模型移植到 AWS Trainium2，在离线批量任务上每美元可处理的音频量较此前方案提升 11–70%。
推荐理由：完整记录 Nova-3 移植到 Trainium2 的工程步骤与吞吐成本收益，可作为同类语音模型推理优化的实操参照。
Hacker News精选AI 评分6161 团队把 EmbeddingGemma 2 改造成端侧语音转写工具并发布 Mac 应用 v1.6
开发者基于 Google EmbeddingGemma 2 发布了一款端侧语音转写 Mac 应用 v1.6，在 Apple Silicon 上本地运行；base M3 MacBook Air 8GB 上达到约 288 倍实时，约 13 秒可转写 1 小时音频。
推荐理由：原文给出把 EmbeddingGemma 2 改造成语音转写工具的具体思路、训练规模和端侧实测速度，对关注端侧语音方案的读者有迁移参考价值。
Hacker News精选AI 评分2626 如何逆向工程一款商业空间音频效果
作者为 Linux 写空间音频程序时，针对一款商业效果器设计了一套测量逆向流程：通过 PipeWire 在朋友笔记本上播放含脉冲、正弦对数扫频、多频音和分频段噪声的测试文件并录制输出，再用正则化谱除法提取四通道 HRTF 类响应，最后加载进 Saq 复现出目标中的离头感。前期作者曾用 Gemini 作为思路讨论的辅助工具，但得到的描述无法落地，因此转向以测量驱动的方法。
推荐理由：作者给出针对黑盒音频效果的测量与重建流程，从激励信号设计到滤波器提取都列出步骤，方便迁移到其他效果器复现。
Hacker News精选AI 评分6363 tiny-audio 开源语音转文字系统：冻结编码器接 LLM，训练成本约 25 美元
tiny-audio 是一个开源语音转文字系统，将冻结的预训练语音编码器通过小型可训练投影层接入预训练 LLM，整体训练成本约 25 美元，只需训练约 8000 万参数。
推荐理由：原文给出了冻结语音编码器加可训练投影层再加冻结 LLM 的解耦架构与完整训练流程，可作为低成本端到端语音转文字方案的参考实现。
已经到底了