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。
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。
- Phonon 31M English model card (Hugging Face) huggingface.co
- Gradium: Open-Sourcing Phonon, a suite of frontier on-device TTS models gradium.ai
- Gradium releases Phonon, open-source on-device text-to-speech (21 Oct 2026) gradium.ai
- Phonon runtime and integrations (GitHub) github.com
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 |