Gradium Phonon 登顶 Open TTS 榜,端侧小模型抗衡百倍大模型
mattturck · x · 2026-11-07
Gradium 的新 TTS 模型 Phonon 登上 Hugging Face Open TTS Leaderboard 榜首,以小尺寸端侧模型与最大 100 倍于己的模型竞争:德语和西语可懂度(intelligibility)排名第一,所有参评语言均进前三,CPU 流式 time-to-first-audio 领先。
HF 维护者 Lysandre 指出,这也说明 TTS 模型不能只看单一总榜,应在可懂度(词/字符错误率)、生成吞吐与首音频延迟等多个维度分别比较。
「多模态」频道最新
- 官方称 rotoscoping 已被解决:Higgsfield Miracle 将登陆 MCP — azed_ai · 2026-11-07
- Higgsfield Miracle 私测:视频转图层免手抠 roto 与实时局部调色 — azed_ai · 2026-11-07
- Higgsfield 发布 Miracle:任意视频矢量化分层可实时局部编辑 — azed_ai · 2026-11-07
- 仅22MB的端侧VLM Mirage发布：单次前向完成检测OCR分割 — alexcovo_eth · 2026-11-07
- NVIDIA 发布 Lyra 2.0:单张图生成可探索的 3D 世界 — NVIDIAAI · 2026-11-07
- Google 发布 Gemini Omni 1.2 Flash 视频模型:降价 30%,片段最长 15 秒 — jnack · 2026-11-07