Hugging Face Blog·· 18 天前精选AI 评分64
Hugging Face 发布设备端 TTS 模型 Phonon,31m 版本以 Apache 2.0 开放权重
A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.
来源与原文
Hugging Face Blog
发布时间:(北京时间)
阅读原始来源 · huggingface.co ↗完整链接与内容说明
https://huggingface.co/blog/phonon-tts
本站目前仅有 AI 导读与摘要,未展示原文正文;技术细节、代码和完整结论请查看原始来源。
AI 导读
Gradium 在 Hugging Face Blog 复盘设备端 TTS 模型 Phonon 的发布,约 65 MB 和 75 MB 两个尺寸,支持英语、法语、德语、西班牙语和葡萄牙语,内置 100 多种声音;Phonon 31m 为 Apache 2.0 许可,40m 为非商业许可。模型基于 Pocket TTS 谱系,用 flow matching 生成音频,发布后两周下载超 200,000 次,在 Open TTS Leaderboard 上德语和西语可懂度排名第一,并登顶 CPU 流式 time-to-first-audio 基准(31m 为 28 ms)。团队还发布了支持 10 多种后端(CPU、GPU、NPU)的推理框架 ptts,并从 Transformers v5.21 起提供原生集成。
推荐理由
官方复盘了 Phonon 的模型设计与 Open TTS Leaderboard 实测成绩,还给出 Transformers 接入代码,便于开发者在设备端直接上手。
来源:Hugging Face Blog · huggingface.co