G
GRADIUM / gradium/phonon-31m-en

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.

01 / RESUMO

O essencial

ORIENTAÇÃOSíntese de voz em inglês no dispositivo

Uso primário declarado ou inferido com cautela a partir da documentação oficial.

CONTEXTOTexto em inglês; comprimento máximo não publicado

Capacidade máxima de entrada quando publicada pela fonte.

SAÍDAÁudio mono a 24 kHz, gerado em streaming

Limite máximo de geração documentado.

ACESSOHugging Face · checkpoint descarregável

Canais de disponibilidade verificados.

TIPO DE MODELOÁudio

Família funcional principal e especialidades verificadas.

LICENÇAApache-2.0

Condições declaradas para API, pesos ou alojamento próprio.

02 / FICHA TÉCNICA

Limites e integração

ID de APIgradium/phonon-31m-en
Tipo de modeloÁudio
Modelo de acessoPesos transferíveis
LicençaApache-2.0
ImplantaçãoAlojamento próprio
Lançamento19 OUT 2026
Data de corte do conhecimentoNão publicado
EntradaTexto
SaídaÁudio
Janela de contextoTexto em inglês; comprimento máximo não publicado
saída máximaÁudio mono a 24 kHz, gerado em streaming
RaciocínioNão publicado
Ferramentas publicadas
Passeios EstruturadosNão publicado
Processamento em loteNão publicado
Cache de promptsNão publicado
Ajuste finoNão publicado
Plataformas verificadasHugging Face
ADEQUA-SE MELHOR A

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.

CONVÉM MONITORIZAR

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.

03 / CAPACIDADES

O que pode fazer

01

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.

02

Contexto

Texto em inglês; comprimento máximo não publicado · Áudio mono a 24 kHz, gerado em streaming

03

Ferramentas e integração

Não publicado

04

Acesso

Hugging Face · checkpoint descarregável

Modalidades de entrada
Texto
04 / PREÇOS

Custo documentado

ConceitoValorUnidade/condição
Entrada padrãoSem tarifa API oficial publicadaTarifa padrão da API
Entrada em cacheNão publicadoLeitura de prefixos reutilizados
Escrita ou armazenamento em cacheNão publicadoA condição varia consoante o fornecedor
Saída padrãoCusto da infraestrutura própriaPode incluir tokens de raciocínio
Entrada por lotesNão publicadoProcessamento assíncrono
Saída por lotesNão publicadoProcessamento 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.

05 / AVALIAÇÕES

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.

BenchmarkResultadoMétricaFonte
Phonon English US listening Elo2098Elo · preferência auditivaVer 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.

06 / VERSÕES

Cronologia

gradium/phonon-31m-en

Publicação original dos pesos.

8f7a37c9

Ficheiro Apache-2.0 acrescentado ao repositório; a data original do modelo mantém-se.

07 / FONTES

Rastreabilidade