Phonon开放端侧语音模型权重，31m可免费商用

Phonon把文字转语音放到了用户自己的设备上。Hugging Face Blog于2026年11月5日刊出的介绍称，开发团队已在两周前开放这款小型语音模型：运行时不需要服务器或网络，输入的文本留在本地，模型权重也已开放。开放权重不等于所有版本都能免费商用。

Phonon把文字转语音放到了用户自己的设备上。Hugging Face Blog于2026年11月5日刊出的介绍称，开发团队已在两周前开放这款小型语音模型：运行时不需要服务器或网络，输入的文本留在本地，模型权重也已开放。

开放权重不等于所有版本都能免费商用。Phonon 31m支持英语，采用Apache 2.0许可证，可免费用于商业产品；Phonon 40m覆盖英语、法语、德语、西班牙语和葡萄牙语，采用CC BY-NC非商业许可证。团队表示，其他模型用于商业项目时，定价依据用户数量，而非生成的语音量。

此次提供的两种模型体积约为65 MB和75 MB，内置声音超过100种，用户也可以在Gradium Studio中创建自己的声音。团队称，在4月公布Phonon后，他们与合作伙伴及早期用户进行了六个月的迭代，缩小模型体积、增加语言，并通过语音克隆和声音设计支持自定义声音。

在使用范围上，Phonon可运行于手机、笔记本电脑、单板计算机和浏览器标签页。介绍还称，它能处理电话号码、日期和代码等文本内容。随发布展示的演示包括：关闭Wi-Fi的Apple Watch逐步播报咖啡冲煮流程，以及没有信号的iPhone为运动计数并提供语音鼓励。

技术上，Phonon沿用Pocket TTS技术路线，通过流匹配生成音频。开发团队表示，这一路线帮助小模型实现了其所追求的音质，但也带来了训练挑战：初期训练存在数值不稳定问题，需要采用多种技巧，才能让五种语言都获得良好结果。