phonon-31m English for audio.cpp

phonon-31m English for audio.cpp

在 CPU 上用 31M 的文字转语音模型朗读英语文本，提供 GGUF 格式，供 audio.cpp 运行时使用。适合想要小型本地语音模型的开发者。

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，已转成 GGUF，供 audio.cpp 的 gradium_phonon 系列使用。它还是同一个模型，只有文件格式不同。它需要包含该系列的 audio.cpp 版本，不能在 llama.cpp 里加载。

适合谁：它适合想通过 audio.cpp 在本地运行小型英语语音模型的开发者。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 | 使用 audio.cpp 的开发者 | 给本地工具加入语音输出 | 把一条状态消息读出来
研究 | 语音研究者 | 试用 GGUF 格式的小型文字转语音模型 | 与其他本地声音比较
无障碍 | 应用开发者 | 为用户朗读界面文字 | 在桌面应用里朗读屏幕上的文字

如果你想在 llama.cpp 里运行它，可以跳过它。模型卡为此指向另一个仓库。

用在哪里：

• audio.cpp，需要编译进 gradium_phonon 系列
• CPU，通过 cpu 后端
• 其他 audio.cpp 后端，比如 metal
• 流式模式，想让音频边生成边到达时使用

Title: 它能做的事
Use case | Who | What they get back
朗读一句英语 | 开发者 | 一个语音的 WAV 文件
流式输出语音 | 应用开发者 | 边生成边送出的音频
切换声音 | 爱折腾的人 | 来自你添加的声音文件的另一个声音

如何设置：

• 一个编译了 gradium_phonon 系列的 audio.cpp 代码仓，模型卡说这个系列还没有合并
• Python 3，用来运行模型管理脚本
• 一个小模型的磁盘空间，按 Hugging Face 的估计 4 位量化约 21 MB

1. 获取包含 gradium_phonon 系列的 audio.cpp 版本。
2. 用模型管理脚本安装模型。
3. 运行 audiocpp_cli 命令来朗读一段文字。

python3 tools/model_manager_v2.py install gradium_phonon_31m_en_q8_0 --models-root models

audiocpp_cli --task tts --family gradium_phonon --model models/phonon-31m-en \
  --backend cpu --text "Hello from Phonon." --out speech.wav

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

如何使用：
在 audio.cpp 代码仓里带上你的文字运行 audiocpp_cli。用 backend 选项选择其他后端，再加上设为 streaming 的 mode 选项来流式输出音频。先把数字、符号和缩写写成文字。

Title: 命令里的选项
Tool | What it does
--backend | 选择 audio.cpp 后端，比如 cpu 或 metal
--mode streaming | 边生成边流式输出音频
--voice-id | 选择你复制到模型文件夹里的声音
--text | 要朗读的文字
--out | 要写入的 WAV 文件

示例：
你用文字“Hello from Phonon.”和 cpu 后端运行这条命令。它会写出一个叫 speech.wav 的文件，里面是用默认声音朗读的这句话。

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里的安装那一行和那一条朗读命令。

如果你懂这个领域，单个 GGUF 文件包含模型、配置和分词器。Transformer 的线性层是 8 位，其余部分包括 Mimi 解码器保持原始精度。模型建立在 Kyutai 的 Pocket TTS 和 Mimi 编解码器之上。代价在可用性：所需的 audio.cpp 系列还没有合并。

编译带 Phonon 系列的 audio.cpp
安装模型文件
用你的文字运行 audiocpp_cli
写出一个语音 WAV 文件

注意事项：

• 声音：不传声音 id 就得到默认声音。额外的声音放在 gradium/phonon-voices 仓库里，需要复制进模型文件夹。模型无法根据录音克隆声音。
• 文字：audio.cpp 把文字原样交给分词器，所以要把数字、符号和缩写写成文字。
• 采样：温度 0.3，与 Phonon 运行时相同。
• 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：llama.cpp，它有自己的仓库，也不适合根据录音克隆声音。

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：gguf
• 参数量：41.1M
• Weights: about 21 MB at 4-bit (estimate)
• Formats: GGUF
• 最近 30 天下载：36,865
• 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, audio.cpp

链接

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

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。