2026年9月
OddTTS v2.0 更新：正式支持音色克隆！
摘要： 现在，你只需要上传一段 3-10 秒的参考音频，就能在 OddTTS 中注册一个自定义音色，像内置音色一样随时调用——无论是通过 Web 界面还是 OpenAI 兼容 API。 阅读全文
posted @ 2026-09-05 23:05 程序员老奥 阅读(49) 评论(0) 推荐(0)
OddTTS更新：集成MOSS-TTS-Nano 0.1B ONNX，纯CPU实时语音克隆与20种语言支持
摘要： 相比于上周集成的 Audio8（0.1B RTF 约 3.26x），MOSS-TTS-Nano 在 CPU 上的推理效率明显更高：在禁用文本规范化的极速模式下，**RTF 可达到约 0.5**，这意味着它已经能够胜任类似 [小落同学](https://x.oddemta.net "小落同学") 这样的低延迟实时对话场景。同时，它支持近 **20 种语言** 和 **48 kHz 立体声** 输出，音质和语言覆盖度都非常出色。 阅读全文
posted @ 2026-09-04 21:53 程序员老奥 阅读(62) 评论(0) 推荐(0)
2026年8月
OddTTS更新：纯CPU支持11种语言的语音合成！
摘要： 今天周末在家无事，我把 Audio8 的两个模型（`Audio8 0.1B ONNX INT8`，`Audio8 0.6B ONNX INT4`）给整合了一下到 [OddTTS](https://oddmeta.net/docs/oddtts "OddTTS")，并在我的笔记本上跑了一下，感觉效果还可以 阅读全文
posted @ 2026-08-29 19:13 程序员老奥 阅读(79) 评论(0) 推荐(0)
OddMinutes 小奥录音更新：支持摘要编辑、修复实时字幕功能异常、合并会议纪要报错等
摘要： OddMinutes 小奥录音更新：支持摘要编辑、修复实时字幕功能异常、合并会议纪要报错等 在过去的这三个星期里，小奥录音的更新，涵盖新功能、体验优化、问题修复和代码重构四大方面。 阅读全文
posted @ 2026-08-23 10:50 程序员老奥 阅读(21) 评论(0) 推荐(0)
OddASR 更新：新增Qwen3-ASR三大模型、架构重构、性能飞跃
摘要： 前阵子公司一位大佬跟我推荐了一下 [Qwen3-ASR]，平时在公司忙成狗也没时间来测试，周末回家给整合了一下到 [OddASR]，并简单的测试了一下。 阅读全文
posted @ 2026-08-22 20:00 程序员老奥 阅读(18) 评论(0) 推荐(0)
OddTTS 更新：语音模型下载优化，同时支持 HuggingFace 与 ModelScope 源
摘要： OddTTS 更新：语音模型下载优化，同时支持 HuggingFace 与 ModelScope 源 考虑到 OddTTS 实际也就是国内偶尔有人会用一下，于是我就动手把模型下载部分的逻辑整个重写了一下，同时加入 HuggingFace 和 ModelScope 的下载，先用 HuggingFace 去下载，如果下载失败再 fallback 到 ModelScope 下载。 阅读全文
posted @ 2026-08-15 22:55 程序员老奥 阅读(18) 评论(0) 推荐(0)
小奥录音更新：实时字幕500ms、说话人分离优化、导出pdf、加入安全认证等
摘要： 小奥录音更新：实时字幕500ms、说话人分离优化、导出pdf、加入安全认证等 最近两个周末，一边改 OddASR，一边陆陆续续的用 OddASR 再来一点点完善小奥录音的各项功能，今天向pypi发布了个阶段性的版本 `v0.1.10` 。然后这里汇总一下与上个版本相比做的一些修改、调整与完善，简单讲的话主要就是：围绕实时字幕、导出功能、说话人识别、AI纪要等核心体验进行了一些升级。具体看下面。 阅读全文
posted @ 2026-08-09 00:28 程序员老奥 阅读(27) 评论(0) 推荐(0)
OddASR v2.5.5 版本更新：支持指定最大说话人分离数量、优化时延
摘要： OddASR v2.5.5 版本更新：支持指定最大说话人分离数量、优化时延 本次更新的核心工作集中在**说话人分离（Speaker Diarization）**的配置化与请求级可控上，同时围绕**实时转写首字时延 / 返回速度**、**低配硬件可运行性**、**Web 前端体验**做了多处优化，并修复了 WebSocket 在 HTTPS 环境下的兼容性问题。 阅读全文
posted @ 2026-08-08 00:59 程序员老奥 阅读(27) 评论(0) 推荐(0)
OddASR 更新介绍：首字时延降至 0.5s、热词、说话人分离、多模型动态切换全量上线
摘要： 如果你在找一个**中文准确率高于 Whisper、且兼容 OpenAI API、可私有化部署**的语音识别服务，OddASR v2.5.1 值得一试 阅读全文
posted @ 2026-08-01 21:30 程序员老奥 阅读(25) 评论(0) 推荐(0)
2026年7月
20260726 会议室空间智能及数字孪生方案演示
摘要： 这个周末在家里，我就再把之前折腾小落同学时的伪3D的代码翻了出来，再网上搞了几个会议室的全景图片，简单搞了一个智能会议室空间智能、数字孪生的 demo。但是时间关系，只是搭了个基础的框架。 阅读全文
posted @ 2026-07-26 19:09 程序员老奥 阅读(19) 评论(0) 推荐(0)