Phonon 31M

Gradium 的 3100 万参数英语语音模型,文件只有 64.5 MB。Apache 2.0,流式输出,手机、浏览器和普通 CPU 都能跑。

一句话概括. Phonon 31M 把英文文字转成自然的语音,文件只有 64.5 MB,小到手机、浏览器标签页或笔记本处理器都能装下。Apache 2.0 许可证允许商用。Gradium 更大的多语言 Phonon 模型不能免费商用。

概述

Phonon 是 Gradium 的一组端侧文本转语音模型,Gradium 是从 Kyutai 实验室分拆出来的巴黎语音 AI 公司。这个系列于 2026 年 10 月 21 日发布。Phonon 31M 是其中采用 Apache 2.0 的一个:权重、分词器和音色都使用这一许可证,运行时是另一个项目,采用 MIT 或 Apache 2.0。它只支持英语,输出 24 kHz 单声道音频。内部由一个流匹配 Transformer 每个 80 毫秒的帧预测一组音频特征,再由 Kyutai 的 Mimi 编解码器的解码器还原成声音,所以边生成边输出音频。它建立在 Kyutai 的 Pocket TTS 之上。模型有 3100 万参数(不含音频分词器),权重文件 model.q8.gguf 是 8 位量化的,大小 64.5 MB。

运行时覆盖的平台比多数小型语音模型都多。Gradium 提供了 Python(pip install ptts)、Rust、C 和 C++、面向苹果设备的 Swift 与 Core ML、Android,以及通过 WebAssembly 运行的浏览器版本(npm 上的 phonon-tts)。它还附带兼容 OpenAI 接口的服务器、WebSocket 服务器和 Home Assistant 配置。英语模型自带 37 个音色,Gradium 称它在笔记本 CPU 上约 7 ms 就开始说话。克隆新声音或根据描述设计声音不在开放权重里,要通过 Gradium 的 API 和工作室。

在 Gradium 自己的英语测试中,468 位评分者给出 8290 次盲测两两投票,Phonon 31M 的 Elo 是 2098,Kokoro 是 2043,NeuTTS 是 2034,Magpie 是 1939。在一组满是数字、日期和代码的难句上,它的词错误率是 1.5%,Kokoro 是 3.5%,NeuTTS 是 8.7%,Magpie 是 28%。在 Seed-TTS 句子上,它的 0.51% 落后于 Kokoro 和更大的 Phonon 40M(都是 0.45%)。这些都是开发者自己的结果,我们没有复现。

许可证的分界很重要。只有英语 31M 模型是 Apache 2.0。Phonon 40M 模型(英语、法语、德语、西班牙语、葡萄牙语各一个,外加一个多语言模型)是 CC BY-NC 4.0,Gradium 让商业用户联系它的销售团队。如果你需要英语以外、又是宽松许可证的语言,Phonon 目前还没有覆盖。

适合做什么

  • 手机、笔记本、单板电脑和网页上的私密离线语音
  • 无法等待云端往返的无障碍工具、游戏和助手
  • 商业英语产品,因为权重、分词器和音色都是 Apache 2.0
  • 下载量非常小,只有 64.5 MB

需要注意

  • 只支持英语,其他语言的文字会用错误的发音朗读
  • 声音克隆和声音设计不在开放权重里
  • 多语言的 Phonon 40M 模型是 CC BY-NC 4.0,不能免费商用
  • 很长的输入会被切成句子,所以语调不会贯穿整段文字
  • 请让语言设置与文本一致,因为数字和日期的处理取决于它
  • 质量和速度数字都是 Gradium 自己报告的

性能数据来自开发方,未经独立验证。

需要多少内存?

以下是 Phonon 31M 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。

版本 参数量 下载大小 所需内存 可运行于
phonon-31m-en (Q8 GGUF) INT8 31M 0.065 GB 0.0747 GB 笔记本或手机

下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。

许可证,用大白话说

最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。

进一步了解 Apache 2.0

延伸阅读

常见问题

Phonon 31M 是什么?
Phonon 31M 把英文文字转成自然的语音,文件只有 64.5 MB,小到手机、浏览器标签页或笔记本处理器都能装下。Apache 2.0 许可证允许商用。Gradium 更大的多语言 Phonon 模型不能免费商用。
Phonon 31M 可以商用吗?
可以。Phonon 31M 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
Phonon 31M 是开源的吗?
Phonon 31M 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
我能在自己的电脑上运行 Phonon 31M 吗?
可以。最小版本 phonon-31m-en (Q8 GGUF) 在 4 位精度下约需 0.0747 GB 内存,现代笔记本或中端显卡即可胜任。
Phonon 31M 是什么时候发布的?
Phonon 31M 由 Gradium 于 2026年10月21日 发布。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
Phonon 40M Gradium 40M – CC BY-NC (非商用) 0.0858 GB 笔记本或手机
Pocket TTS Kyutai 18M – 100M – CC BY 4.0 (宽松) 0.127 GB 笔记本或手机
Kokoro hexgrad 82M – Apache 2.0 (宽松) 0.38 GB 笔记本或手机
Supertonic 3 Supertone 99M – OpenRAIL-M (附条件) 0.46 GB 笔记本或手机