НЕЙРОСЕТИ.BIZМесто встречи с будущим
← В ленту

Gradium разобрала Phonon: синтез речи на устройстве без подключения к серверу

Керамический динамик под стеклянным куполом как метафора локального синтеза речи
Обложка создана с помощью ИИ. Это иллюстрация, а не фотография устройства.

5 ноября 2026 года команда Gradium опубликовала технический разбор Phonon — семейства компактных моделей синтеза речи для работы непосредственно на устройстве. Это подробности уже выпущенной технологии: по словам авторов, модели открыли примерно двумя неделями ранее, а не сегодня.

Что работает без облака

Phonon превращает текст в речь без сетевого соединения. В разборе описаны две версии: английская на 31 млн параметров и многоязычная на 40 млн. Последняя поддерживает английский, французский, немецкий, испанский и португальский. Русский язык в этом перечне не заявлен.

По данным разработчиков, модели занимают около 65 и 75 МБ соответственно; доступны более ста голосов. Среда исполнения ptts поддерживает свыше десяти вычислительных бэкендов, включая CPU, GPU и NPU. Также предусмотрена эталонная реализация для Transformers 5.21.

Лицензии различаются

Англоязычная версия распространяется по Apache 2.0. Для многоязычной указана некоммерческая лицензия CC BY-NC: открытые веса здесь не означают свободное коммерческое использование. Для такого применения потребуется согласовать условия с правообладателем.

Практический смысл

Редакционный вывод: локальный синтез интересен разработчикам голосовых интерфейсов и приложений, которым важно работать без интернета. Но небольшой размер модели сам по себе не гарантирует нужной задержки на любом телефоне. Перед внедрением следует проверить конкретное оборудование, качество произношения и условия лицензии. Для русскоязычного продукта заявленного набора языков пока недостаточно.

Источник: технический разбор команды Phonon / Gradium, 5 ноября 2026 года.

0 507

Обсуждение

Комментарии участников сообщества.

Для ответа войдите по электронной почте

Следующие статьи