Gradium Phonon 端侧 TTS 模型以小博大，胜过百倍体积模型

LysandreJik · x · 2026-11-05

端侧小模型正在 TTS 领域以小博大：@GradiumAI 的新 Phonon 模型体积比对手小最多 100 倍，却在 Open TTS Leaderboard 上拿下多个第一——德语和西语的可懂度（intelligibility）第一名、所有参评语言可懂度前三，以及 CPU 流式推理的首音频延迟（time-to-first-audio）领先。

这个案例也说明了 TTS 不能只看单一总分：Open TTS Leaderboard 将评测拆成可懂度（通过词/字符错误率衡量）、生成吞吐与首音频延迟、预测自然度、以及声音克隆的说话人相似度等多个维度。在某一语言的可懂度或 CPU 延迟上领先是具体成绩，但不能据此断言整体最强。