AI-modellen en platforms
Gradiums on-device Phonon TTS haalt in twee weken meer dan 200.000 downloads
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Gradium meldde op 5 november 2026 dat zijn on-device tekst-naar-spraakmodellen van Phonon in de eerste twee weken meer dan 200.000 keer waren gedownload, in een technische vervolgbijdrage die op Hugging Face is gepubliceerd.
Volgens Gradium stond Phonon op de Open TTS Leaderboard bovenaan voor verstaanbaarheid in het Duits en Spaans en behoorde het in elke geëvalueerde taal tot de top drie, naast modellen die tot 100 keer zo groot waren.
In Gradiums grafiek van de 95e percentielwaarde voor de CPU-tijd tot de eerste audio stond Phonon 31m voor Engels bovenaan met 28 milliseconden, en Phonon 40m voor Engels op de tweede plaats met 38 milliseconden; Pocket TTS kwam uit op 165 milliseconden. Lagere waarden zijn beter. De tijd tot de eerste audio geeft aan hoelang een gebruiker moet wachten voordat spraak kan worden afgespeeld en is daardoor rechtstreeks relevant voor spraakagenten en andere interactieve toepassingen.
Wat de ranglijsten meten
De vervolgbijdrage beschrijft een evaluatie van 23 talen, waarbij verstaanbaarheid, de inverse real-timefactor, de tijd tot de eerste audio en geautomatiseerde metingen van natuurlijkheid worden onderzocht; bij stemklonen komt daar sprekergelijkenis bij. De methodologie van de ranglijst van Hugging Face berekent de verstaanbaarheid door transcripties van automatische spraakherkenning te vergelijken met de oorspronkelijke prompts, aan de hand van woord- of karakterfoutpercentages.
Streamingtests worden uitgevoerd met één uiting per keer, aan de hand van gangbare prompts en op dezelfde hardware. Bij modellen zonder streaminginterface omvat de tijdmeting het genereren van de volledige uiting, omdat het afspelen niet eerder kan beginnen. Bij evaluaties van stemklonen worden de sprekerembeddings van gegenereerde audio afzonderlijk vergeleken met die van een referentiefragment.
Hugging Face waarschuwt dat foutpercentages op basis van spraakherkenning een benadering zijn van de verstaanbaarheid, terwijl de gelijkenis tussen embeddings een schatting geeft van de mate waarin de stemidentiteit behouden blijft. Geen van beide metingen stelt rechtstreeks de natuurlijkheid, expressiviteit of voorkeur van luisteraars vast. De geautomatiseerde ranglijsten zijn dan ook geen vervanging voor tests van menselijke voorkeur. Op het tabblad Luisteren kunnen bezoekers de gegenereerde resultaten achter de metingen vergelijken en erop stemmen.
Open gewichten en commerciële voorwaarden
De onderliggende release met open gewichten verscheen op 20 oktober 2026. De nieuwe bekendmaking is dus een vroege update over gebruik en evaluatie, en geen afzonderlijke introductie van een model. De modelkaart van Phonon 31m voor Engels vermeldt 64,5 MB aan 8-bit-gekwantiseerde gewichten onder Apache 2.0, dat commercieel gebruik toestaat.
De 40m-varianten hebben 74,6 MB aan gekwantiseerde gewichten en omvatten Engels, Frans, Duits, Spaans en Portugees onder CC BY-NC 4.0. De talen zijn beschikbaar via afzonderlijke taalcheckpoints of één meertalig model. Voor commerciële producten die op deze checkpoints voor niet-commercieel gebruik zijn gebaseerd, berekent Gradium de licentiekosten op basis van het aantal gebruikers en niet van de hoeveelheid gegenereerde spraak.
Phonon produceert monogeluid van 24 kHz en kan spraak streamen terwijl het genereren doorgaat. Het is bedoeld voor offlineassistenten, toegankelijkheidstools, games en interactieve toepassingen die niet kunnen wachten op een heen-en-terugverbinding met de cloud, terwijl de tekst op het apparaat van de gebruiker blijft. Er zijn meer dan 100 ingebouwde stemmen beschikbaar. Gradium Studio kan ook met toestemming van de spreker een stem klonen op basis van een korte opname, of er een ontwerpen aan de hand van een tekstbeschrijving, om die te downloaden en lokaal te gebruiken.
Implementatiemogelijkheden en beperkingen
Gradiums ptts-runtime is geschreven in Rust en vereist geen PyTorch. Het ondersteunt CPU-, GPU- en NPU-backends voor Intel, Arm, WebAssembly, CUDA, Vulkan, Metal, WebGPU, Apple Core ML en ondersteunde Snapdragon-hardware. De pakketten bieden integratiemogelijkheden voor browsers, mobiele apparaten en desktops, en voor lokale servers.
Phonon is vanaf versie 5.21 ook beschikbaar in Transformers als een referentie-implementatie in PyTorch. Waar ptts zich richt op één stream op het apparaat, is Transformers gericht op GPU-doorvoer via batchgewijze generatie en volledige grafieken torch.compile. De documentatie van Transformers beschrijft een causale transformer die doorlopend 32-dimensionale audio-latenten produceert met 12,5 Hz, die vervolgens worden gedecodeerd naar audio van 24 kHz. Stemmen worden aangeleverd als vooraf berekende sprekerlatenten van 512 dimensies.
Door deze werking moet een deel van het integratiewerk buiten het checkpoint worden uitgevoerd. De sprekercodec is niet uitgebracht en de audiotokenizer kan alleen decoderen. Transformers kan stemmen daarom niet rechtstreeks klonen op basis van opnames. Ook zet de tokenizer getallen, bedragen, symbolen en adressen niet uitgeschreven om, zoals de runtime van Gradium dat wel doet. Lange invoer wordt in zinnen opgesplitst, waardoor de prosodie niet over een volledige tekst kan doorlopen.
De keuze voor implementatie is dan ook concreet: ptts verwerkt één privéstream op de hardware van de gebruiker, terwijl Transformers is bedoeld voor batchgewijze synthese op GPU’s. Bij beide opties moeten stemvoorbereiding en taalspecifieke verwerking van getallen, symbolen en adressen deel uitmaken van de integratie, naast het checkpoint zelf.
