Gradium Phonon: çevrimdışı sesler, lisans sınırları ve bulut TTS seçimi

Gradium Phonon, akış halinde metinden konuşma üretimini kendi donanımınıza getiriyor. İlk kararlı sürümü (Yeni sekmede açılır) 20 Ekim 2026'da çıktı; Gradium bunu ertesi gün kamuoyuna duyurdu. Çevrimdışı bir uygulamada bu, konuşmanın çalışan bir bağlantı gerektirip gerektirmediğini değiştirir. Seslendirmesini tamamlayan bir içerik üreticisi içinse dağıtımı üstlenmek gereksiz bir iş olabilir.

Önce lisans ayrımı önemlidir: yalnızca İngilizce Phonon 31m, Apache 2.0 lisanslıdır. Çok dilli sürüm dahil 40m modelleri, ticari olmayan CC BY-NC 4.0 lisansını kullanır. 26 Ekim 2026 itibarıyla Phonon, OmniArt'ta mevcut değildir. Bulut seçeneklerimiz ElevenLabs ve MiniMax Speech'tir; bu iki yaklaşım arasında sesinizin yapması gereken işe göre seçim yapın.

Cihazda TTS ne anlama gelir#

Cihazda TTS, gerekli dosyalar yüklendikten sonra konuşmayı yerel olarak üretir. Bulut TTS, metni uzak bir hizmete gönderir ve ses dosyasını geri alır. Yerel çıkarım, sentez aşamasını çevrimdışı tutabilir; diğer özellikler hâlâ başka yerlere veri gönderiyorsa uygulamanın tamamını özel hale getirmez.

Bir ekran okuyucunun çekmeyen bir trende konuşması gerekiyorsa çevrimdışı çalışma bir gereksinimdir. Bir video için anlatımı dışa aktarıyorsanız dinleyici tamamlanmış dosyayı oynatır; sesi üreten sistemin kendisinin çevrimdışı olması gerekmez.

Gradium Phonon ile neler yayımlandı#

Bunlar 26 Ekim 2026'da kontrol edilen Hugging Face model kartı (Yeni sekmede açılır) özellikleridir; uygulamanın toplam indirme boyutları değildir. Parametre sayıları ses belirteçleyicisini içermez; boyutlar 8 bit nicemlenmiş model.q8.gguf ağırlık dosyalarını ifade eder.

Kartlar mono 24 kHz çıkış belirtir. Gradium'un ürün sayfası (Yeni sekmede açılır) daha küçük indirmeyi 64 MB olarak yuvarlar; basın açıklamasında (Yeni sekmede açılır) 90 MB da belirtilir. Depolamayı planlarken model kartında adı verilen dosyayı esas alın, ardından hedef cihazınızda tam paketi ve çalışma sırasındaki bellek kullanımını ölçün.

v0.4.0 notları, PyTorch gerektirmeyen Rust çalışma ortamını; Python, tarayıcı, Rust, Swift ve Android seçenekleriyle anlatır. Kullanım yolları arasında uvx ptts, pip install ptts, npm install phonon-tts ve cargo add ptts bulunur. Ayrıca OpenAI uyumlu bir sunucu ve Home Assistant için Wyoming desteği vardır.

26 Ekim'de kontrol edilen sürüm listesinde (Yeni sekmede açılır), v0.4.1'in ardından en yeni sürüm olarak v0.4.2 yer alır. Ekli model paketleri v0.4.0'a aittir. Daha yeni notlar, Mac Catalyst ve tarayıcı paketindeki lisans bildirimleri dahil belge ve platform değişikliklerini kapsar; v0.4.2 ayrıca bir Mimi kod çözücü yapılandırma seçeneği ekler.

Lisans konusu#

21 Ekim tarihli tanıtım basın açıklaması (Yeni sekmede açılır), İngilizce 31m deposuna bağlantı verirken çok dilli ağırlıkları Apache 2.0 olarak tanımlar. Bu ifade model kartları, v0.4.0 sürüm notları ve ürün sayfasıyla çelişir: çok dilli sürüm dahil 40m ağırlıkları CC BY-NC 4.0 lisanslıdır.

Kartlara göre çalışma ortamı, MIT OR Apache-2.0 lisanslı ayrı bir projedir. Bağımlılık incelemenizde bu ayrımı koruyun: çıkarım kodunu yeniden dağıtma izni ile belirli bir modeli kullanma izni ayrı konulardır. Bu makale yayımlanan belgeleri aktarır; özel ticari koşulları karara bağlamaz.

Ses yaratma da ayrı bir sınırdır. Gradium, klonlama ve ses tasarımını bulut API'si üzerinden, ardından ses dosyasının yerel sentez için indirilmesiyle açıklar. Bu, çevrimdışı ses klonlama değildir. Tamamen çevrimdışı kurulum gerektiren bir proje, konuşmanın nasıl üretildiği kadar seslerin nasıl elde edildiğini de hesaba katmalıdır.

Phonon performansı: geliştiricinin bildirdiği sonuçlar#

Gradium'un 20 Ekim tarihli teknik yazısı (Yeni sekmede açılır), zor İngilizce cümleler için aşağıdaki kelime hata oranlarını bildirir. Bunlar 26 Ekim 2026'da kontrol edilen, geliştiricinin bildirdiği kıyaslama sonuçlarıdır; OmniArt'ın dinleme testi değildir.

Geliştirici, test cümlelerini, qwen3.8-omni-flash yazıya dökme modelini ve gemma-4-31b-it WER değerlendiricisini kendisi seçmiştir. Herkese açık veri kümesi gradium/tts-hard-sentences-202610 (Yeni sekmede açılır) adresindedir. Daha düşük WER bu kurulumda yazıya dökme doğruluğunu ölçer; oyunculuğu, duygu aralığını veya metninize uygunluğu ölçmez. 26 Ekim 2026'da kontrol edilen phonon-31m-en model kartı (Yeni sekmede açılır), zor sette yuvarlanmış ve farklı LLM WER değerleri bildiriyor: Phonon 31m için %1,5, 40m multilingual için %2,0 ve 40m English için %2,3 (üretici beyanı). Yukarıdaki tablo teknik yazıdaki rakamları kullanır.

Aynı yazı, 1.189 değerlendirici ve 17.270 oyla yapılan kör ikili dinleme testlerini bildirir. Ayrıca MacBook Air M5 CPU üzerinde ilk sese yaklaşık 7 ms, Kokoro içinse 517 ms; Raspberry Pi 5 üzerinde 31m için 38 ms ve gerçek zamanın 3,7× hızında üretim bildirir. Kokoro akış yapmadığından ilk ses rakamı tam bir cümleyi kapsar. Ürün sayfası ayrıca iPhone 16 Pro üzerinde gerçek zamanın 22× hızına kadar çıkıldığını iddia eder (geliştiricinin bildirdiği).

Bunları bir gecikme vaadi olarak değil, cihaza özel sonuçlar olarak değerlendirin. Bir çalışma ortamı seçmeden önce kendi donanımınızı ve kullanımınızı temsil eden adları, sayıları ve cümleleri test edin.

Cihazda Phonon ve OmniArt'ta bulut TTS karşılaştırması#

Bu karar tablosunu başlangıç noktası olarak kullanın; bu, ölçülmüş bir kalite sıralaması değil, iş akışı rehberidir.

26 Ekim 2026 itibarıyla OmniArt'ın herkese açık kataloğunda Eleven v3 için 74, Multilingual v2 için 29, Turbo v2.5 için 32 ve her iki MiniMax Speech 2.8 sürümü için 39 dil listelenir; otomatik dil seçimi bu sayılara dahil değildir. ElevenLabs, Starter veya daha yüksek bir plan gerektirir; MiniMax Speech 2.8, Free planında mevcuttur. Aşağıdaki kredi birimleri aynı tarihte model kataloğumuzdan kontrol edilmiştir.

Başlanan her karakter bloğu ücretlendirilir. Her isteği ayrı bütçeleyin: yeni bir deneme, yeniden üretim maliyeti doğurur. Plan erişimi ve krediler ayrı kontrol edilmelidir.

Bu uygulama tanıtım metnini bir anlatıcı sesiyle deneyin. Bunlar kopyalanabilir metin örnekleridir; üretilmiş ses örnekleri değildir.

Aynı kısa metni çok dilli sürümler için başlangıç noktası olarak kullanın; kopyalanabilir girdi burada İngilizce kalır. Yerelleştirilmiş bir seslendirmeyi test ederken uygun dili seçin ve çevrilmiş bir metin hazırlayın.

Sunum ayarları için Eleven v3 ses etiketleri rehberimize bakın. Eleven v4 ve v3 karşılaştırması, sürüm bağlamını mevcut modellerden ayırır; MiniMax Speech 2.8 rehberi ise bulut seslendirme iş akışını ele alır.

Neler takip edilmeli#

Basın açıklamasındaki lisans ifadesinin düzeltilmesini, ek dil sürümlerini ve 40m için herkese açık ticari koşulları takip edin. O zamana kadar "Phonon" adını tek bir lisans olarak görmek yerine belirli bir ağırlık deposunu seçin. OmniArt seslendirmelerinde, tüm metne kredi harcamadan önce kısa bir bölümü dinleyin.