phonon-31m-en

phonon-31m-en

小型英文文字转语音模型，流式输出自然的 24 kHz 音频，可在笔记本 CPU、手机或浏览器标签页里运行。适合想在设备上出声的开发者。

由 gradium 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：phonon-31m-en 是 Gradium 推出的 Phonon 系列模型之一，一个把文字朗读出来的小型英文语音模型。它把文字转成听起来自然的 24 kHz 单声道语音。

它在还在生成后面内容时就开始送出音频。卡片称它足够轻，可以在浏览器标签页、手机或笔记本处理器上运行。它建立在 Kyutai 的 Pocket TTS 和 Mimi 编解码器之上。

适合谁：适合想在应用里直接出声、不用服务器的开发者，也适合想在自己机器上用轻量英文声音的人。

Industry | Who uses it | How they use it | Example
软件 | 应用开发者 | 在设备上加入语音输出 | 把通知读出来
无障碍 | 工具开发者 | 为喜欢听的人朗读文字 | 读出一个页面的文字
内容 | 创作者 | 制作简短的英文语音片段 | 把一句话存成 WAV 文件

如果你需要英语以外的语言，可以跳过它，因为这个版本只说英语。

用在哪里：

• 命令行，通过 ptts 工具
• Python 程序，通过 ptts 包
• 浏览器或手机，通过卡片列出的运行时
• Hugging Face Transformers，用较新的源码安装
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

Use case | Who | What they get back
快速语音片段 | 创作者 | 用选定声音朗读的 WAV 文件
流式语音 | 应用开发者 | 完整文本还没处理完就能播放的音频块
本地助手声音 | 爱好者 | 笔记本上的小模型说出的回复

如何设置：

• Python 和 pip，或者不用安装就能运行命令的 uvx 工具
• 用 Python 时需要 ptts 包
• 如果想走那条路线，需要从源码安装的较新 Transformers

1. 安装 ptts，或用 uvx 运行一次。
2. 选英语语言选项和 8 位量化权重。
3. 选一个声音，并给它你的文字。

uvx ptts --lang en --quant q8 \
  --voice Easton "Hello from Phonon." -o speech.wav

pip install ptts

如何使用：每个运行时都带一个语言选项，它决定数字、符号和日期怎么读。这个模型说英语，所以用 en。选一个像 Easton 这样的声音，把结果存成 WAV 文件。

import ptts

tts = ptts.TTS("hf://gradium/phonon-31m-en", lang="en", quant="q8")
tts.save("speech.wav", "Hello from Phonon.", voice="Easton")

Detail | Value
参数 | 31M，不含音频分词器
权重文件 | 64.5 MB，8 位量化
帧长 | 80 ms
输出 | 单声道，24 kHz
语言 | 英语

Title: 权重大小，单位 MB
8 位权重文件: 64.5 MB
Hugging Face BF16 估算: 82 MB
Hugging Face 4 位估算: 21 MB

示例：你用 Easton 声音和文字 Hello from Phonon 运行这条命令。片刻之后，你就得到一个叫 speech.wav 的文件，里面读着那句话。

新手与专家：如果你刚接触语音模型，先运行那一条命令，听听那个文件。再试 Python 版本，它还能流式输出音频。

如果你熟悉这个领域，流匹配 Transformer 根据文字为每个 80 ms 的步长预测音频潜变量。然后 Mimi 编解码器的解码器把这些潜变量变成声音。

你的文字
流匹配 Transformer 预测音频潜变量
Mimi 解码器生成音频
24 kHz 语音，流式输出或保存

注意事项：

• Python 包可以流式输出，所以整段文字还没变成音频时就可以开始播放
• 其他 Phonon 模型覆盖法语、德语、西班牙语、葡萄牙语和全部 5 种语言，采用非商业许可
• 所有 Phonon 模型共用一个运行时和文件布局，所以换模型只需改仓库名
• Hugging Face 列出了别人做的 16 个量化版本和 3 个微调版本
• License: Apache 2.0
• Cost to run: 没有提到
• Data it reaches: 你下载的文件，以及你给它的文字
• Not for: 英语以外的语言

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：transformers
• 参数量：41.1M
• Weights: about 82 MB in BF16; about 21 MB at 4-bit (estimate)
• Formats: Safetensors, GGUF
• 最近 30 天下载：248,578
• 点赞：160
• 许可证：apache-2.0
• 语言：en
• Quantized versions: 16
• Fine-tunes: 4
• 标签：transformers, safetensors, gguf, gradium_phonon_tts, text-to-audio, text-to-speech, streaming, on-device, phonon

链接

• 模型：https://huggingface.co/gradium/phonon-31m-en
• 文件：https://huggingface.co/gradium/phonon-31m-en/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download gradium/phonon-31m-en

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。