Gradium 开源 Phonon：64.5MB 端侧语音合成，31M 参数
10 月 21 日（柏林 NVIDIA GTC），Gradium 发布 Phonon：一个完全在用户设备上运行的语音合成模型，权重 Apache-2.0 开放。首发两档参数——31M 与 40M，对照的 Kokoro 是 82M；8 位量化的权重文件 64.5 MB，能塞进手机 App，也能直接在一个浏览器标签页里加载。
规格上：24 kHz 单声道、边生成边流式输出；英文之外，同一个多语模型还覆盖法、德、西、葡，后续再扩；支持语速调节、现成音色库，以及声音克隆与声音设计。推理栈自带 Rust、Python、Swift 与 WebAssembly 集成，另有 CUDA 后端可跑 NVIDIA Jetson 这类嵌入式硬件。
官方称在盲测人评里总体偏好领先 Kokoro、Magpie 与 Pocket TTS，训练用的是 H100 集群；底座沿用 Kyutai 的 Pocket TTS 与 Mimi 编解码器——Gradium 正由 Kyutai 实验室的几位联合创始人创办。语音合成此前基本是云 API 的生意，64 MB 的本地模型把这条边界往里推了一格。
原文链接：Gradium 官方博客
核验记录
官方博文 JSON-LD datePublished=2026-10-21，页内可见 October 21, 2026，正文写明在柏林 NVIDIA GTC 发布；HF 仓 gradium/phonon-31m-en createdAt 2026-10-19（建仓早于公告，按 R21 不作定日）；配图 hero.webp 裸请求与带 Referer 双 200。