Uso principal declarado o inferido con cautela desde la documentación oficial.
Phonon 31M English
Modelo de texto a voz de Gradium con 31 millones de parámetros, sin contar el tokenizador de audio. Publicado el 19 de octubre, añadió el archivo de licencia Apache-2.0 el 17 de noviembre. Genera voz en inglés con pesos q8 GGUF de 64,5 MB.
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
Límites e integración
| ID de API | gradium/phonon-31m-en |
|---|---|
| Tipo de modelo | Audio |
| Modelo de acceso | Pesos descargables |
| Licencia | Apache-2.0 |
| Despliegue | Despliegue propio |
| Lanzamiento | 19 OCT 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto |
| Salida | Audio |
| Ventana de contexto | Texto en inglés; longitud máxima no publicada |
| Salida máxima | Audio mono a 24 kHz, generado en streaming |
| Razonamiento | No publicado |
| Herramientas publicadas | |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face |
Síntesis local en navegador, teléfono o CPU. Emplea un transformer de flow matching y el decodificador Mimi para producir fotogramas de audio de 80 ms. La licencia cubre pesos, tokenizador y voces de este repositorio.
Esta ficha solo cubre el modelo inglés de 31M. Las variantes 40M usan otras licencias y no heredan Apache-2.0. Los fotogramas de 80 ms no garantizan esa latencia en cualquier equipo. Revisa el runtime y los permisos de cualquier voz adicional.
Qué puede hacer
Orientación
Síntesis local en navegador, teléfono o CPU. Emplea un transformer de flow matching y el decodificador Mimi para producir fotogramas de audio de 80 ms. La licencia cubre pesos, tokenizador y voces de este repositorio.
Contexto
Texto en inglés; longitud máxima no publicada · Audio mono a 24 kHz, generado en streaming
Herramientas e integración
No publicado
Acceso
Hugging Face · checkpoint descargable
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | Sin tarifa API oficial publicada | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Coste de infraestructura propia | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
El repositorio publica Apache-2.0, incluido el uso comercial conforme a sus condiciones. El runtime tiene licencia separada MIT o Apache-2.0. No hay precio API oficial verificado; ejecutar localmente consume recursos propios.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
Cómo leer los resultados
La ficha publica Elo 2098 en inglés de Estados Unidos, a partir de 468 evaluadores y 8.290 votos. Es una comparación de preferencia auditiva del fabricante, no una medición independiente ni una garantía de pronunciación para todos los textos.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| Phonon English US listening Elo | 2098 | Elo · preferencia auditiva | Ver fuente ↗ |
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
Cronología
gradium/phonon-31m-en
Publicación original de los pesos.
8f7a37c9
Archivo Apache-2.0 incorporado al repositorio; no cambia la fecha original del modelo.