Gradium 开源端侧 TTS 模型 Phonon:31M 参数词错率仅 1.7%
thisdudelikesAI · x · 2026-10-20
语音 AI 公司 Gradium 开源了 Phonon，一套可完全在设备端运行的开源权重文本转语音模型家族，参数量仅 31M 和 40M，可在离线、保护隐私的前提下嵌入任意应用。
关键数据（在 500 句其他模型常出错的困难句子上测试，含电话号码、邮箱、邮编）：
- Phonon 31M（英语）：WER 1.70%
- Phonon 40M 多语言版：WER 2.11%
- Phonon 40M：WER 2.22%
- 对比：Kokoro 3.50%、Kitten TTS 7.40%、NeuTTS Nano 8.71%
Gradium 同时宣布种子轮扩展至 1 亿美元，新投资人包括 NVIDIA，并在湾区开设办公室扩展实时语音 AI 业务。
所属事件:Gradium 开源 Phonon 端侧 TTS，50M 参数以下可离线运行(7 条相关)→
「Infra」频道最新
- PyTorch 官方详解 IBM Spyre 后端：KTIR 与数据流调度器如何跑通 AI 加速器 — PyTorch · 2026-10-21
- 独立开发者用 YAML 流水线+Spot GPU+vLLM 把 AI 账单大幅砍掉 — cmm324 · 2026-10-21
- DeepSeek 开源 V4.1-Flash 背后的推理引擎 DeepInfer — The Decoder · 2026-10-21
- 机器人推理平台上线 Deployments:可云端部署 HF 微调模型 — arnie_hacker · 2026-10-21
- 路透：字节阿里腾讯下单超300万块英伟达RTX PRO 5500，总价超350亿美元 — SumitGup · 2026-10-21
- TorchTPU 实测演示：vLLM 与 SGLang 统一后端跑 TPU 服务 — Rob_Mulla · 2026-10-21