端侧语音模型 Phonon 发布，无需联网即可运行且性能领先榜单

两周前，Phonon 文本转语音模型正式发布。该模型运行于用户自有设备，无需服务器和网络连接，用户输入内容仅保留在本地。Phonon 31m 版本采用 Apache 2.0 协议开源，可免费用于商业产品，其余模型仅限非商业用途。针对小型设备上实现高质量语音的难题，团队优化了模型大小与音质的平衡。该模型基于 Pocket TTS 技术谱系，使用流匹配生成音频，支持英语、法语、德语、西班牙语和葡萄牙语五种语言，内置超过一百种声音，并支持通过声音克隆和设计创建自定义声音。Phonon 能处理电话号码、日期和代码等重要信息。它可在手机、笔记本电脑、单板计算机及浏览器标签页中运行。发布时带来了多个演示项目，包括在关闭 Wi-Fi 的 Apple Watch 上指导咖啡制作步骤、在无信号 iPhone 上计数运动次数、名为 Lamp 的机器人进行角色扮演对话、浏览器中的离线恐龙跑酷游戏变身广播节目、科幻游戏以及逐页朗读普鲁斯特作品等。Hugging Face 团队完成了 Transformers 集成，开发者可立即使用。发布首两周下载量超过二十万次，下载量持续攀升。在 Hugging Face Open TTS 榜单上，Phonon 在德语和西班牙语的可懂度排名第一，在所有评估语言中排名前三，且在 CPU 流式传输的首次音频时间基准测试中表现优异。