原文標題：A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.

Gradium於11月5日在Hugging Face介紹Phonon端側文字轉語音模型，整理公開發布後的功能、整合與評測結果。模型可在手機、筆電、單板電腦及瀏覽器執行，不必將輸入文字送到雲端，離線也可產生語音。官方提供約65MB與75MB兩種大小，涵蓋英文、法文、德文、西班牙文及葡萄牙文，並有超過100種內建聲音，另可透過Gradium Studio建立自訂聲音。

授權依模型而異：英文Phonon 31m採Apache 2.0，可用於商業產品；涵蓋五種語言的Phonon 40m則採非商用授權，商用方案需依使用者數洽談。推論端提供ptts框架，支援CPU、GPU與部分NPU等多種後端，Transformers則提供PyTorch參考實作及批次生成能力。Gradium表示，模型在其評估語言的Open TTS榜單可懂度位居前三，德文與西班牙文排名第一，但這些結果只代表特定測試與當時榜單。文章也說明，模型在約兩週前已公開，這次是發布成果與技術整理，不能當作11月5日才首次開放。自訂聲音、硬體速度與商業使用仍需逐項核對條件。

發生了什麼事

Gradium說明Phonon的離線語音生成、模型大小、語言及執行後端，也區分英文與多語言版本的授權，讓開發者按部署需求選擇版本。

為什麼重要

端側推論能減少文字傳至遠端的需求，也讓語音功能在無網路環境運作；模型授權差異則直接影響能否納入商業產品，不能混為一談。

影響哪些人

主要影響開發離線語音、機器人、遊戲或裝置助理的團隊，以及需要控制模型容量與文字資料流向的人員；實際速度依硬體和後端而定。

已確認與未確認

已確認功能與不同授權。這是發布後的技術整理，非當日首次上線；榜單為官方引用的特定測試，不能代表所有聲音、語言與設備結果。