01 发生了什么
Gradium 发布了 Phonon，一款完全在用户设备上运行的紧凑型文本转语音（TTS）模型，无需服务器和网络连接。该模型提供两种尺寸（约 65 MB 和 75 MB），支持英语、法语、德语、西班牙语和葡萄牙语，内置超过 100 种声音，并可通过 Gradium Studio 进行声音克隆和自定义声音设计。
02 关键细节
- Phonon 完全在设备端运行——无需服务器和网络，输入文本保留在用户设备上。
- Phonon 31m（仅英语）采用 Apache 2.0 许可证，允许免费使用，包括商业产品。
- Phonon 40m（五种语言）采用 CC BY-NC 许可证；商业授权基于用户数量而非语音生成量。
- 在 Hugging Face Open TTS 排行榜上，Phonon 在德语和西班牙语的可懂度上排名第一，并在 CPU 流式合成首次音频速度基准测试中领先。
- 自 🤗 Transformers v5.21 起作为参考 PyTorch 实现提供，并配有专用 ptts 推理框架，支持超过 10 种硬件后端。
03 为什么重要
Phonon 将数据保留在设备上，解决了云端 TTS 的隐私和延迟问题，同时达到甚至超越体积大数十倍的模型的质量。
04 适合谁
语音应用开发人员、资源受限设备制造商及重视语音合成隐私的用户。
原始来源