Phonon TTS: озвучка прямо в браузере с английской моделью размером 64,5 МБ

Запуск одной командой. С установленным uv команда `uvx ptts --lang en "Hello from Phonon." -o speech.wav` сохранит речь в WAV-файл. При первом запуске программа скачает модель и оставит её в кеше.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Для веб-приложения нужен пакет `npm install phonon-tts`. Вызов `PhononTTS.load({lang: 'en'})` загрузит модель, а `synthWav(text)` вернёт WAV Blob для воспроизведения. Браузер должен поддерживать WebAssembly SIMD.

В Python после `pip install ptts` достаточно такого кода: ```python import ptts

tts = ptts.TTS( "hf://gradium/phonon-31m-en", lang="en", quant="q8", ) tts.save("speech.wav", "Hello from Phonon.", voice="Easton") ``` Английская модель содержит 31 млн параметров без аудиотокенизатора и выдаёт монофоническую речь с частотой 24 кГц. Лицензия Apache 2.0 разрешает коммерческое использование.

Для нескольких языков. Phonon 40m помещает пять языков в 74,6 МБ восьмибитных весов. В набор входят: - Английский. - Французский. - Немецкий. - Испанский. - Португальский.

Для коммерческого приложения с этой версией нужно отдельное соглашение: Gradium распространяет её по CC BY-NC. Перед скачиванием нужно принять условия на Hugging Face, затем задать `HF_TOKEN` или выполнить `hf auth login`. Одобрение автоматическое, а для браузерной версии файлы модели нужно раздавать из своего приложения.

Gradium сравнила Phonon 40m с Kokoro на одном CPU-ядре MacBook Air M5. В замере из README на 5 ноября 2026 года Phonon с KleidiAI начинала выдавать аудио раньше и быстрее генерировала речь:

| Модель и способ запуска | Скорость относительно воспроизведения | Время до первых аудиоданных | | --- | --- | --- | | Phonon 40m с KleidiAI | В 20 раз быстрее | 7 мс | | Kokoro через PyTorch | В 7,3 раза быстрее | 776 мс |

Hugging Face в материале от 5 ноября ставит Phonon на первое место по разборчивости немецкой и испанской речи и в тройку на всех проверенных языках. В тесте потоковой генерации на CPU модель также лидирует по времени до первых аудиоданных.

Phonon поддерживается в Transformers начиная с версии 5.21. Через эту библиотеку доступны пакетная генерация на GPU и `full-graph torch.compile`, а пример Hugging Face загружает английскую модель и сохраняет результат в `phonon.wav`.

Голос из Voice Design в Gradium Studio можно скачать через ⋮ → Download for Phonon и подключить файлом через `--voice` в настольном CLI или `tts.add_voice` в Python.