深入解析Phonon TTS：推出在基准测试中名列前茅的高质量设备端语音技术
huggingface ·
Gradium 发布了 Phonon，这是一款高质量的文本转语音模型，旨在完全在本地设备上运行，无需互联网连接或云服务器。该模型提供两种较小的版本，大小分别约为 65 MB 和 75 MB，支持英语、法语、德语、西班牙语和葡萄牙语，并内置了超过 100 种声音。Phonon 采用源自 Pocket TTS 系列的流匹配技术，在保持紧凑体积的同时实现了卓越的音频质量。在项目发布的前两周内，该项目引起了广泛关注，下载量超过 20 万次，并在 Hugging Face 上 trending。在 Hugging Face Open TTS Leaderboard 上，Phonon 在德语和西班牙语的清晰度方面排名第一，同时在 CPU 流式传输速度基准测试中位居榜首。此次发布包括用于商业使用的 Apache 2.0 许可版本和非商业变体，以及一个名为 ptts 的新推理框架，支持 CPU、GPU 和 NPU 等多种硬件后端。开发者可以使用 Transformers 库或自定义实现将 Phonon 集成到应用程序中，从而实现语音克隆和离线操作等功能。
huggingface