详解 Phonon TTS：发布登顶基准测试的高质量端侧语音合成

Gradium 的 Phonon 是一款专为用户自有设备设计的小型文本转语音模型，无需服务器或联网，其中 3100 万参数版本以 Apache 2.0 协议开源。在 Hugging Face 的 Open TTS 排行榜上，它在德语和西班牙语可懂度上排名第一，在所有参评语言中均位列前三，尽管体积比竞品小多达 100 倍，发布首两周下载量已超过 20 万次。它之所以重要，是因为它证明高质量语音 AI 不再需要依赖云端，这对隐私、延迟和离线使用都是一大利好。

• Hugging Face Blog2026-11-05 00:00