Uso primário declarado ou inferido com cautela a partir da documentação oficial.
Phonon 31M English
Modelo de texto para voz da Gradium com 31 milhões de parâmetros, excluindo o tokenizador de áudio. Publicado a 19 de outubro, acrescentou o ficheiro de licença Apache-2.0 a 17 de novembro. Gera voz em inglês com pesos q8 GGUF de 64,5 MB.
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
Limites e integração
| ID de API | gradium/phonon-31m-en |
|---|---|
| Tipo de modelo | Áudio |
| Modelo de acesso | Pesos transferíveis |
| Licença | Apache-2.0 |
| Implantação | Alojamento próprio |
| Lançamento | 19 OUT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto |
| Saída | Áudio |
| Janela de contexto | Texto em inglês; comprimento máximo não publicado |
| saída máxima | Áudio mono a 24 kHz, gerado em streaming |
| Raciocínio | Não publicado |
| Ferramentas publicadas | |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face |
Síntese local em navegador, telefone ou CPU. Usa um transformer de flow matching e o descodificador Mimi para produzir fotogramas de áudio de 80 ms. A licença cobre pesos, tokenizador e vozes deste repositório.
Esta ficha cobre apenas o modelo inglês de 31M. As variantes 40M usam outras licenças e não herdam Apache-2.0. Fotogramas de 80 ms não garantem essa latência em qualquer dispositivo. Reveja o runtime e os direitos de vozes adicionais.
O que pode fazer
Orientação
Síntese local em navegador, telefone ou CPU. Usa um transformer de flow matching e o descodificador Mimi para produzir fotogramas de áudio de 80 ms. A licença cobre pesos, tokenizador e vozes deste repositório.
Contexto
Texto em inglês; comprimento máximo não publicado · Áudio mono a 24 kHz, gerado em streaming
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
O repositório publica Apache-2.0, incluindo uso comercial conforme as condições. O runtime tem licença separada MIT ou Apache-2.0. Não há preço API oficial verificado; a execução local consome recursos próprios.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
Como ler os resultados
A ficha publica Elo 2098 em inglês dos Estados Unidos, com 468 avaliadores e 8.290 votos. É uma comparação de preferência auditiva do fabricante, não uma medição independente nem uma garantia de pronúncia para todos os textos.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| Phonon English US listening Elo | 2098 | Elo · preferência auditiva | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
Cronologia
gradium/phonon-31m-en
Publicação original dos pesos.
8f7a37c9
Ficheiro Apache-2.0 acrescentado ao repositório; a data original do modelo mantém-se.