01 Ce qui s’est passé
Gradium a dévoilé Phonon, un modèle de synthèse vocale (TTS) compact qui opère entièrement sur l'appareil sans serveur ni connexion internet. Disponible en deux tailles (environ 65 et 75 Mo), il prend en charge l'anglais, le français, l'allemand, l'espagnol et le portugais, propose plus de 100 voix intégrées et permet le clonage vocal ainsi que la création de voix personnalisées depuis Gradium Studio.
02 Les points essentiels
- Phonon fonctionne intégralement sur l'appareil – pas de serveur ni de réseau, le texte saisi reste sur l'appareil.
- Phonon 31m (anglais uniquement) est distribué sous licence Apache 2.0, y compris pour un usage commercial.
- Phonon 40m (cinq langues) est sous licence CC BY-NC ; la licence commerciale est basée sur le nombre d'utilisateurs, non sur le volume de parole généré.
- Sur le Open TTS Leaderboard de Hugging Face, Phonon arrive premier en intelligibilité pour l'allemand et l'espagnol et domine le benchmark de streaming CPU pour le délai avant le premier son.
- Disponible dans 🤗 Transformers dès la version 5.21 comme implémentation PyTorch de référence, avec un nouveau framework d'inférence ptts compatible avec plus de dix environnements matériels.
03 Pourquoi c’est important
Phonon répond aux problèmes de confidentialité et de latence des TTS cloud en conservant les données sur l'appareil tout en atteignant ou surpassant la qualité de modèles bien plus volumineux.
04 Pour qui c’est utile
Développeurs d'applications vocales, fabricants d'appareils à ressources limitées et utilisateurs soucieux de la confidentialité dans la synthèse vocale.
Source originale