Gradium Phonon: voci offline, limiti delle licenze e quando scegliere il TTS nel cloud
La sintesi vocale offline cambia dove funziona la tua app, ma i pesi restano soggetti a condizioni. Confronta le licenze e la distribuzione di Phonon con la voce fuori campo nel cloud su OmniArt.
Gradium Phonon porta la sintesi vocale in streaming sul tuo hardware. La sua prima versione stabile (Si apre in una nuova scheda) è uscita il 20 ottobre 2026; Gradium l’ha annunciata pubblicamente il giorno successivo. Per un’app offline, questo cambia la necessità di una connessione attiva per produrre la voce. Per un autore che sta completando una voce fuori campo, la distribuzione del sistema può rappresentare un lavoro superfluo.
La distinzione tra le licenze viene prima di tutto: solo Phonon 31m in inglese è Apache 2.0. I modelli 40m, compreso quello multilingue, sono CC BY-NC 4.0, per uso non commerciale. Phonon non è disponibile su OmniArt al 26 ottobre 2026. Le nostre opzioni nel cloud sono ElevenLabs e MiniMax Speech; scegli tra i due approcci in base al compito che deve svolgere il tuo audio.
Cosa significa TTS sul dispositivo#
Il TTS sul dispositivo genera voce localmente dopo l’installazione dei file necessari. Il TTS nel cloud invia il copione a un servizio remoto e restituisce l’audio. L’inferenza locale può mantenere offline la fase di sintesi; non rende privata l’intera app se altre funzioni continuano a inviare dati altrove.
| Decisione | Sintesi sul dispositivo | TTS nel cloud |
|---|---|---|
| Connettività | Può parlare senza rete dopo la configurazione | Richiede una connessione per generare |
| Gestione del testo | Può mantenere il testo di sintesi sul dispositivo | Il copione viene inviato al servizio |
| Reattività | Evita un viaggio di andata e ritorno in rete; conta l’hardware | Dipende dalla connessione e dalla risposta del servizio |
| Costo operativo | Calcolo sul dispositivo, confezionamento dei pacchetti, test e manutenzione | Crediti per ogni generazione su OmniArt |
| Direzione vocale e lingue | Limitate dai pesi e dai file vocali installati | Scelta tra i modelli e i controlli vocali disponibili |
Se un lettore di schermo deve parlare su un treno senza segnale, il funzionamento offline è un requisito. Se stai esportando la narrazione di un video, chi ascolta riproduce il file finito; il generatore in sé non deve necessariamente funzionare offline.
Cosa ha pubblicato Gradium con Phonon#
Queste sono le specifiche delle schede dei modelli su Hugging Face (Si apre in una nuova scheda), verificate il 26 ottobre 2026, non le dimensioni di download di un’applicazione completa. Il conteggio dei parametri esclude il tokenizzatore audio; le dimensioni si riferiscono ai file dei pesi model.q8.gguf quantizzati a 8 bit.
| Modello | Parametri | Lingue | Pesi q8 | Licenza dei pesi | Download con accesso condizionato |
|---|---|---|---|---|---|
| Phonon 31m inglese | 31M | Inglese | 64,5 MB | Apache 2.0 | No |
| Phonon 40m per lingua | 40M | Un modello distinto per inglese, francese, tedesco, spagnolo o portoghese | 74,6 MB ciascuno | CC BY-NC 4.0 | Accettazione delle condizioni; approvazione automatica |
| Phonon 40m multilingue | 40M | Inglese, francese, tedesco, spagnolo, portoghese | 74,6 MB | CC BY-NC 4.0 | Accettazione delle condizioni; approvazione automatica |
Le schede specificano un’uscita mono a 24 kHz. La pagina del prodotto (Si apre in una nuova scheda) di Gradium arrotonda il download più piccolo a 64 MB; il suo comunicato stampa (Si apre in una nuova scheda) cita anche 90 MB. Usa il file indicato nella scheda del modello per pianificare lo spazio di archiviazione, poi misura il pacchetto completo e la memoria durante l’esecuzione sul dispositivo di destinazione.
Le note della v0.4.0 descrivono un ambiente di esecuzione in Rust senza PyTorch, con opzioni per Python, browser, Rust, Swift e Android. I punti di accesso comprendono uvx ptts, pip install ptts, npm install phonon-tts e cargo add ptts. Sono disponibili anche un server compatibile con OpenAI e il supporto a Wyoming per Home Assistant.
L’elenco delle versioni (Si apre in una nuova scheda), consultato il 26 ottobre, indica la v0.4.2 come più recente, dopo la v0.4.1. I pacchetti dei modelli allegati restano quelli della v0.4.0. Le note successive riguardano documentazione e modifiche alle piattaforme, tra cui Mac Catalyst e le informative sulle licenze del pacchetto per browser; la v0.4.2 aggiunge anche un’opzione di configurazione del decodificatore Mimi.
La questione della licenza#
Il comunicato di lancio del 21 ottobre (Si apre in una nuova scheda) descrive i pesi multilingue come Apache 2.0, ma rimanda al repository 31m in inglese. Questo contraddice le schede dei modelli, le note della v0.4.0 e la pagina del prodotto: i pesi 40m, compresi quelli multilingue, sono CC BY-NC 4.0.
Avviso
Solo Phonon 31m in inglese ha pesi Apache 2.0. I modelli 40m sono per uso non commerciale e hanno accesso condizionato; la pagina del prodotto di Gradium invita gli utenti commerciali a contattare il reparto vendite. Controlla l’esatta scheda di ciascun modello su Hugging Face e le sue condizioni prima di distribuire il prodotto. Un ambiente di esecuzione aperto non cambia la licenza dei pesi.
Secondo le schede, l’ambiente di esecuzione è un progetto separato con licenza MIT OR Apache-2.0. Mantieni questa distinzione nella revisione delle dipendenze: il permesso di ridistribuire il codice di inferenza e quello di usare un modello specifico sono questioni separate. Questo articolo riporta i documenti pubblicati senza risolvere condizioni commerciali personalizzate.
La creazione delle voci è un altro confine. Gradium descrive la clonazione e la progettazione delle voci tramite la sua API nel cloud, seguite dal download del file vocale per la sintesi locale. Non si tratta di clonazione vocale offline. Un progetto che richiede una configurazione interamente offline dovrebbe considerare come ottiene le voci, oltre a come genera il parlato.
Come si comporta Phonon secondo il fornitore#
Il post tecnico del 20 ottobre (Si apre in una nuova scheda) di Gradium riporta i seguenti tassi di errore sulle parole per frasi difficili in inglese. Sono risultati di benchmark dichiarati dal fornitore, verificati il 26 ottobre 2026, e non un test di ascolto di OmniArt.
| Modello | WER su frasi difficili, post tecnico (dichiarato dal fornitore) |
|---|---|
| Phonon 31m | 1,70% |
| Phonon 40m multilingue | 2,11% |
| Phonon 40m | 2,22% |
| Kokoro | 3,50% |
| Kitten TTS | 7,40% |
| NeuTTS Nano | 8,71% |
| Magpie | 27,51% |
Il fornitore ha scelto le frasi di prova, il modello di trascrizione qwen3.8-omni-flash e il valutatore del WER gemma-4-31b-it. Il suo dataset pubblico è gradium/tts-hard-sentences-202610 (Si apre in una nuova scheda). Un WER inferiore misura l’accuratezza della trascrizione in questa configurazione, non la recitazione, la gamma emotiva o l’adeguatezza al tuo copione. La scheda del modello phonon-31m-en (Si apre in una nuova scheda), consultata il 26 ottobre 2026, riporta valori di WER LLM sul set difficile arrotondati e diversi: 1,5% per Phonon 31m, 2,0% per 40m multilingual e 2,3% per 40m English (dati del produttore). La tabella sopra usa le cifre del post tecnico.
Lo stesso post riporta test di ascolto alla cieca a coppie con 1.189 valutatori e 17.270 voti. Indica inoltre circa 7 ms al primo audio sulla CPU di un MacBook Air M5 contro 517 ms per Kokoro, e 38 ms con generazione a 3,7× il tempo reale per il 31m su Raspberry Pi 5. Il valore di Kokoro al primo audio copre una frase completa perché non genera in streaming. Separatamente, la pagina del prodotto dichiara fino a 22× il tempo reale su iPhone 16 Pro (dato del fornitore).
Considerali risultati specifici dei dispositivi, non una promessa di latenza. Prova il tuo hardware con nomi, numeri e frasi rappresentativi prima di scegliere un ambiente di esecuzione.
Phonon sul dispositivo e TTS nel cloud su OmniArt#
Usa questa tabella decisionale come punto di partenza; è una guida al flusso di lavoro, non una classifica di qualità misurata.
| La tua esigenza | Punto di partenza | Cosa controllare prima di scegliere |
|---|---|---|
| Accessibilità in inglese, dialoghi di giochi o interazione su sistemi embedded offline | Phonon 31m | Risorse disponibili sul dispositivo, pronuncia e condizioni Apache 2.0 |
| Voce offline nelle altre lingue elencate | Phonon 40m | Restrizione non commerciale o condizioni commerciali separate |
| Narrazione espressiva e interpretazione guidata dei personaggi | ElevenLabs su OmniArt | Prova la voce e l’interpretazione con il tuo copione |
| Voce fuori campo multilingue senza mantenere codice di inferenza | ElevenLabs o MiniMax Speech su OmniArt | Lingua, condizioni d’uso e risultato per ogni pubblico |
| Revisioni successive del copione prima dell’esportazione finale | Opzioni Turbo nel cloud su OmniArt | Confronta le registrazioni effettive e il costo in crediti |
Al 26 ottobre 2026, il catalogo pubblico di OmniArt elenca Eleven v3 con 74 lingue, Multilingual v2 con 29, Turbo v2.5 con 32 ed entrambe le varianti di MiniMax Speech 2.8 con 39, escludendo la selezione automatica della lingua. ElevenLabs richiede il piano Starter o superiore; MiniMax Speech 2.8 è disponibile con il piano Free. Le unità di credito seguenti sono state verificate nel nostro catalogo dei modelli nella stessa data.
| Modello su OmniArt | Caratteri per 1 credito, per blocco iniziato | Crediti per 1.000 caratteri |
|---|---|---|
| Eleven v3 | 50 | 20 |
| Eleven Multilingual v2 | 50 | 20 |
| Eleven Turbo v2.5 | 100 | 10 |
| MiniMax Speech 2.8 HD | 50 | 20 |
| MiniMax Speech 2.8 Turbo | 100 | 10 |
Ogni blocco di caratteri iniziato viene addebitato. Calcola ogni richiesta separatamente: una nuova registrazione comporta un altro costo di generazione. L’accesso tramite piano e i crediti sono due verifiche distinte.
Prova questo copione di introduzione a un’app con una voce narrante. Sono esempi di testo copiabili, non campioni audio generati.
Usa lo stesso breve copione come punto di partenza per le versioni multilingue; qui il testo copiabile resta in inglese. Seleziona la lingua appropriata e prepara un copione tradotto quando provi un’interpretazione localizzata.
Per i controlli dell’interpretazione, consulta la nostra guida ai tag audio di Eleven v3. L’articolo Eleven v4 contro v3 distingue il contesto del lancio dai modelli disponibili; la guida a MiniMax Speech 2.8 illustra il flusso di lavoro per la voce fuori campo nel cloud.
Cosa tenere d’occhio#
Segui l’eventuale correzione della formulazione sulle licenze nel comunicato, l’uscita di altre lingue e la pubblicazione di condizioni commerciali per il 40m. Nel frattempo, scegli un repository di pesi preciso invece di trattare “Phonon” come un’unica licenza. Per la voce fuori campo su OmniArt, prova un breve passaggio prima di spendere crediti per l’intero copione.
Domande frequenti#
Che cos’è Gradium Phonon?
Phonon è la famiglia di piccoli modelli di sintesi vocale a pesi aperti di Gradium per la sintesi locale e offline su telefoni, portatili, schede embedded e browser. La prima versione stabile, v0.4.0, è uscita il 20 ottobre 2026 con un ambiente di esecuzione in Rust che non richiede PyTorch, secondo le note di rilascio di Gradium. È un’opzione di distribuzione sul tuo hardware.
Posso usare Phonon a fini commerciali?
I pesi di Phonon 31m in inglese sono Apache 2.0, che consente l’uso commerciale nel rispetto delle sue condizioni. I pesi 40m per lingua e multilingue sono CC BY-NC 4.0, per uso non commerciale. La pagina del prodotto di Gradium invita a contattare le vendite per l’uso commerciale di questi modelli. Controlla la scheda esatta prima di distribuire il prodotto; la licenza dell’ambiente di esecuzione non sostituisce le condizioni dei pesi.
Quali lingue supporta Phonon?
Al 26 ottobre 2026, Phonon 31m è disponibile solo in inglese. La famiglia 40m copre inglese, francese, tedesco, spagnolo e portoghese, con un modello separato per ogni lingua oppure un unico modello multilingue. Questi pesi 40m sono per uso non commerciale. Per un elenco più ampio di lingue, confronta i modelli vocali nel cloud del catalogo pubblico di OmniArt e prova la lingua di destinazione.
Phonon è disponibile su OmniArt?
No. Phonon non è nel catalogo di OmniArt al 26 ottobre 2026; lo distribuisci sul tuo hardware. OmniArt offre Eleven v3, Multilingual v2 e Turbo v2.5, oltre a MiniMax Speech 2.8 HD e Turbo. Generano voce nel cloud e addebitano crediti per ogni blocco di caratteri iniziato, mentre l’accesso tramite piano dipende dal modello.
Prova la sintesi vocale nel cloud su OmniArt#
Apri lo spazio audio, scegli un modello vocale disponibile e prova un breve copione. Confronta pronuncia, interpretazione e crediti prima di produrre la narrazione completa. Scegli Phonon separatamente quando il funzionamento offline è un requisito dell’applicazione stessa.
