phonon-31m English for llama.cpp

phonon-31m English for llama.cpp

在命令行或本地服务器上把英语文字转成语音，是 Phonon 31M 模型面向 llama.cpp 的 GGUF 版本。适合已经在用带 Phonon 支持的 llama.cpp 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 英语模型的 GGUF 转换版本，为 llama.cpp 的 llama-tts 和 llama-server 程序而做。它读取英语文字，输出语音。模型还是同一个，只有文件格式不同。

它只能配合带有 Phonon 支持的 llama.cpp 构建使用，而这个支持还没有合并进主项目。

适合谁：已经在运行 llama.cpp、想在本地把英语文字转成语音的开发者最适合它。不涉及任何云服务。

Industry | Who uses it | How they use it | Example
软件 | 开发者 | 通过 llama.cpp 服务器给应用加入本地文字转语音 | 向服务器发送文字并保存音频
语音工具 | 爱好者 | 在命令行里生成语音文件 | 把一句话变成一个 wav 文件
研究 | 音频研究人员 | 在 llama.cpp 生态里测试一个小型语音模型 | 和 Phonon 运行时做对比

如果你想要声音克隆、其他语言，或者想在手机或浏览器上用 Phonon，可以跳过它，使用主 Phonon 模型。

用在哪里：它通过两个 llama.cpp 程序运行，在任何装有支持 Phonon 的 llama.cpp 构建的电脑上都行。

• llama-tts，用来在命令行里生成语音文件
• llama-server，用来提供返回音频的本地服务器
• 带有 Phonon 支持的 llama.cpp 构建
• 用于下载文件的、装有 Python 的 Windows、macOS 或 Linux

Use case | Who | What they get back
语音文件 | 开发者 | 一行英语文字对应的 wav 文件
本地语音服务器 | 开发者 | 每次文字请求返回的音频
离线语音功能 | 爱好者 | 在你自己的机器上生成的语音

如何设置：你需要一个包含 Phonon 的 llama.cpp 构建，加上两个模型文件。记录估算 4-bit 下约 11 MB，所以磁盘空间很小。

• 一个带有 Phonon 支持的 llama.cpp 构建
• 如果自己下载文件，需要 Python 和 huggingface_hub 包
• 两个模型文件都要，因为 llama.cpp 需要它们一起使用

File | What it holds
模型文件 | 8-bit 的主语音 transformer，加上分词器和一个内置声音
投影文件 | Mimi 解码器和 flow 头，保持全精度

1. 获取带有 Phonon 支持的 llama.cpp 构建。
2. 用 pip 安装 hub 工具。
3. 用 hf 命令下载模型文件。
4. 用这两个文件运行 llama-tts 或 llama-server。

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

如何使用：模型文件用 -m 参数传入，投影文件用 -mm 参数传入。下面第一条命令会让 llama-tts 自己获取文件并朗读一行文字。

llama-tts -hf gradium/phonon-31m-en-llamacpp -p "Hello from Phonon." -o speech.wav

文件已经下载好时，你自己写出这两个文件的名字。

llama-tts -m phonon-31m-en-Q8_0.gguf -mm mmproj-phonon-31m-en-F32.gguf \
  -p "Hello from Phonon." -o speech.wav

如果要作为服务器运行，就在某个端口上启动 llama-server。然后向它的 tts 路径发送一个 POST 请求，请求体是包含输入文字的 JSON，并把回复保存为 wav 文件。

llama-server -hf gradium/phonon-31m-en-llamacpp --port 8080

示例：你运行第一条命令，在 -p 参数里放一句简短的英语句子。它会写出一个 wav 文件，里面是朗读出来的这句话。

新手与专家：你可以把它看成一个在你自己电脑上朗读英语文字的小声音。第一个小尝试，是在有了支持 Phonon 的 llama.cpp 构建之后，用一句简短的话运行第一条命令。

在底层，主文件里是 8-bit 的 flow-matching transformer，投影文件里是 flow 头和 Mimi 解码器。Phonon 建立在 Pocket TTS 和 Kyutai 的 Mimi 编解码器之上。代价是声音有限，而且需要一个还不在主项目里的构建。

你的英语文字
llama.cpp 分词器
Phonon transformer 和 flow 头
Mimi 解码器生成音频
语音保存为 wav 文件

注意事项：若干限制来自 llama.cpp 目前处理文字和声音的方式。

• Voice: 内置了一个默认声音，所以不需要说话人文件，也不能用音频做声音克隆
• Other voices: Phonon 声音集合里的其他声音目前还不能在 llama.cpp 里使用
• Text: llama.cpp 把你的文字原样交给分词器，所以要把数字、符号和缩写拼成文字
• Phonon runtime: 使用 --lang en 时，它会替你把这些拼出来
• Characters: 表情符号和分词器没有的字母会作为未知 token 进入模型，所以请使用纯文本
• Sampling: 温度 0.3，和 Phonon 运行时的默认值相同
• Size: 记录里是 21M 个参数，GGUF 格式，只支持英语
• License: apache-2.0
• Cost to run: 未提及
• Data it reaches: 你给它的文字，以及从 Hugging Face 下载的文件

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：gguf
• 参数量：21M
• Weights: about 11 MB at 4-bit (estimate)
• Formats: GGUF
• 最近 30 天下载：348
• 点赞：3
• 许可证：apache-2.0
• 语言：en
• 基于：gradium/phonon-31m-en
• 标签：gguf, text-to-speech, phonon, llama.cpp

链接

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

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。