phonon-31m English for Compute Flow

phonon-31m English for Compute Flow

通过 Arm 的 Compute Flow 朗读英语文本，由 31M 的文字转语音模型打包而成，适用于标准的 pocket-tts 模块。适合使用 Compute Flow、想要小型语音的开发者。

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：这是 phonon-31m-en，一个英语文字转语音模型，为 Arm 的 Compute Flow 打包。它无需改动就能在标准的 tts:pocket-tts 模块上运行，因为 Phonon 和 Pocket TTS 的架构一样。它还是同一个模型，只有文件格式不同。

适合谁：它适合已经在用 Compute Flow、想要小型英语语音的开发者。其他 Phonon 运行时覆盖命令行、Python、浏览器、iOS 和 Android。

Title: 谁在用
Industry | Who uses it | How they use it | Example
软件 | Compute Flow 开发者 | 给流程加一个朗读步骤 | 让程序读出一条简短消息
研究 | 语音研究者 | 在多个运行时上检查同一个模型 | 把这个包与 Phonon 运行时比较
嵌入式 | 开发小型设备的团队 | 试用紧凑的语音模型 | 小应用里的语音提示

如果你不用 Compute Flow，可以跳过它。模型卡为 llama.cpp 和 audio.cpp 指向了其他仓库。

用在哪里：

• Arm 的 Compute Flow，使用标准的 tts:pocket-tts 模块
• 用 compute-flow build native 生成的原生构建
• 构建产出的 tts_cli 程序

Title: 它能做的事
Use case | Who | What they get back
朗读一句英语 | 开发者 | 你传入的文字对应的音频
离线朗读步骤 | 流程开发者 | 一个由清单文件驱动的软件包

如何设置：

• Compute Flow 及其命令行工具
• Python，只有在用 Hugging Face 工具手动下载文件时才需要
• 一个小模型的磁盘空间，按 Hugging Face 的估计 4 位量化约 9 MB

1. 模块列出这个模型之后，在 Compute Flow 里安装它。
2. 构建原生程序。
3. 用清单和你的文字运行 tts_cli。

compute-flow model install tts:pocket-tts phonon-31m-en
compute-flow build native
./build_native/tts_cli -m @manifest/pocket-tts/phonon-31m-en/phonon_manifest.json \
  -p "Hello from Phonon." -t 1

hf download gradium/phonon-31m-en-compute-flow --local-dir phonon-31m-en
(cd phonon-31m-en && shasum -a 256 -c SHA256SUMS)
./build_native/tts_cli -m phonon-31m-en/phonon_manifest.json -p "Hello from Phonon." -t 1

如何使用：
带上清单路径和要朗读的文字运行 tts_cli。如果模块还没有列出这个模型，就下载这个仓库，核对校验和，再传入清单的路径。先把数字、符号和缩写写成文字。

Title: 快速开始里的命令
Tool | What it does
compute-flow model install | 把模型加到 pocket-tts 模块
compute-flow build native | 构建原生程序
tts_cli | 朗读用 p 选项给出的文字
shasum -a 256 -c SHA256SUMS | 对照校验和检查下载的文件

示例：
你用清单和文字“Hello from Phonon.”运行 tts_cli。程序用软件包的默认声音朗读这句话。模型卡没有说会得到什么输出文件或设备。

新手与专家：
如果你是新手，文字转语音就是把文字变成说出来的声音。第一件小事是运行模型卡的快速开始，用它那一句示例。

如果你懂这个领域，这个包把模型拆成 ONNX 部分、供 llama.cpp 使用的 Q8_0 流匹配 Transformer，以及 f32 的 LiteRT Mimi 解码器。模型卡列出了与 Phonon 运行时的四处差异，比如精确与近似的 GELU，并说音频不是逐采样一致的。代价是首段音频更晚，因为每次请求都要重新输入声音提示。

把模型安装到模块里
构建原生程序
用清单和文字运行 tts_cli
逐帧生成语音

注意事项：

• 声音：软件包里只有默认声音。
• 长度：按清单的设置，每次请求最多生成 500 帧，约 40 秒的语音。
• 采样：温度是 0.3，与 Phonon 运行时一致，模型自带的结束语音阈值是 +4.0。
• 差异：模型卡列了四处，包括生成的潜变量有轻微偏移。
• License：apache-2.0。
• Cost to run：没有提到 API 密钥、账号或付费服务。
• Data it reaches：你从 Hugging Face 下载文件，模型卡没有提到别的访问。
• Not for：修改说话人数量或时长设置，它们固定在默认值。

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：litert
• 参数量：18.9M
• Weights: about 9 MB at 4-bit (estimate)
• Formats: GGUF
• 最近 30 天下载：56
• 点赞：3
• 许可证：apache-2.0
• 语言：en
• 基于：gradium/phonon-31m-en
• 标签：litert, tflite, onnx, gguf, text-to-speech, phonon, compute-flow, sentencepiece

链接

• 模型：https://huggingface.co/gradium/phonon-31m-en-compute-flow
• 文件：https://huggingface.co/gradium/phonon-31m-en-compute-flow/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-compute-flow

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。