📖 AI 总结

Gradium 开源了 Phonon 系列小型端侧文本转语音（TTS）模型，包含 31M 和 40M 两种参数规模。其中英语版 Phonon 31m 采用 Apache 2.0 许可，文件仅 64.5 MB，可在 CPU、手机、树莓派 5、浏览器及 NVIDIA GPU 上本地运行，无需云端调用、GPU 或按字符计费，输出 24 kHz 单声道音频。性能方面，该模型在 Gradium 测试的开源模型中英语 Elo 排名最高，CPU 上首段音频延迟约 7 毫秒；在 500 句困难测试集上词错误率为 1.70%，优于 Kokoro 的 3.50%，但在 Seed-TTS LLM 测试集上为 0.51%，略逊于 Kokoro 和 Magpie。该模型采用因果 Transformer 主干与流匹配头，跳过音素转换直接处理原始文本，内置 37 种英语语音。其意义在于以宽松许可和极小体积降低了端侧语音合成的部署门槛。