近30天源站下载量
6.4万
参数
未知
上下文
未说明
架构 / 任务
gradium_phonon_tts
许可证
apache-2.0
MODEL POSITIONING
这个模型解决什么问题？
能力方面，phonon-31m-en 属于 gradium_phonon_tts 架构，以 80 ms 音频帧进行流匹配预测，并由 Mimi codec 解码为 24 kHz 英语语音；参数规模为 31M，不含音频 tokenizer。仓库提供 GGUF 量化权重，Q4K 约 55.1 MB、Q8 约 64.5 MB；运行侧另提供 Transformers、ptts、浏览器组件及服务端接口，模型文件与运行时不是同一层。模型卡未说明上下文长度、训练数据及具体硬件速度。
更适合谁
- 需要在本地生成英语语音的开发者
- 重视离线运行和隐私的助手、无障碍应用
- 希望使用小型 GGUF 部署 TTS 的用户
典型使用场景
- 离线私密语音助手
- 屏幕朗读及其他无障碍工具
- 游戏、交互应用和实时语音反馈
- 本地服务器、OpenAI 兼容接口及 Home Assistant 语音输出
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
流式语音生成
以 80 ms 音频帧生成音频潜在表示，可在音频仍在生成时持续输出
端侧运行取向
面向离线、私密和无法等待云端往返的本地应用
英语语音输出
输出单声道 24 kHz 语音，文本归一化需使用 en
多音色资源
官方音色目录约提供 100 种声音，即时克隆和声音设计由 Gradium studio 提供
按当前权重估算的硬件准备
- 现有 GGUF 文件中，最低显存估算约 1 GB
- 为上下文缓存、系统进程和并发请求预留额外内存，不要只按模型文件大小配置设备。
量化版本怎么选
- Q4K GGUF || 文件约 55.1 MB，适合优先考虑下载与存储占用的用户
- Q8 GGUF || 文件约 64.5 MB，对应模型卡列出的 8-bit 权重版本，适合优先保留该量化形式
- 资源估算差异 || 两个 GGUF 文件给出的最低及建议内存、显存数值相同，文件体积以 Q4K 更小
GGUF VARIANTS
量化版本与硬件要求
HARDWARE MATCH
哪些显卡或设备更适合运行？
按当前最小量化文件估算，至少需要 1GB 显存；如果希望为运行框架和上下文保留余量，优先参考推荐显存 2GB。
阅读 4GB 显存选型指南 →可以怎样运行
- Transformers || 使用 safetensors 权重和处理器运行，长文本需通过 processor.split_text 切分
- ptts 运行时 || 可通过命令行、Python、PyPI、Rust 或 C/C++ 接口调用
- 浏览器与服务端 || 可使用浏览器组件，并可部署为本地 OpenAI 兼容 API 或 WebSocket 服务
- 兼容运行工具 || 资料标注支持 Ollama、llama.cpp 和 LM Studio
采用前要知道的限制
- 仅支持英语，其他语言会使用错误发音，文本归一化必须选择正确语言
- 超长输入会按句切分依次朗读，整段文本的韵律无法连续保持
- 模型卡未说明训练数据、上下文长度和具体硬件速度表现
- 不得用于冒充真实人物、欺骗听众或未经说话者同意克隆声音