Что нового
За полгода после апрельского анонса Hugging Face дорабатывала Phonon вместе с партнёрами и ранними пользователями. Модель занимает около 65 МБ и 75 МБ, то есть её можно держать прямо на устройстве. Она запускается на телефонах, ноутбуках, одноплатных компьютерах и в браузерной вкладке.
Встроенных голосов больше сотни, свои можно создавать в Gradium Studio. Компания отмечает, что клонирование голоса требует согласия человека, которому этот голос принадлежит. По данным Hugging Face, за первые две недели модель скачали более 200 000 раз.
Для Phonon построили фреймворк вывода ptts: он поддерживает более 10 бэкендов на CPU, GPU и NPU. Модель также доступна в Transformers начиная с версии 5.21 как эталонная реализация на PyTorch. По заявлению компании, на Hugging Face Open TTS Leaderboard Phonon первый по разборчивости в немецком и испанском и входит в топ-3 в каждом оценённом языке; сам лидерборд компания называет очень новым проектом.
Что известно о доступе и цене
Phonon 31m выпущена под Apache 2.0, её можно бесплатно использовать, включая коммерческие продукты. Остальные модели идут под CC BY-NC и бесплатны для некоммерческих проектов.
Для коммерческого использования этих моделей Hugging Face указывает, что цена зависит от числа пользователей, а не от объёма сгенерированной речи. Конкретных сумм и тарифов компания не назвала.
Есть и языковое ограничение: Phonon 31m говорит только на английском, а Phonon 40m покрывает все пять языков, но по некоммерческой лицензии. Число параметров за обозначениями 31m и 40m компания не раскрывает.
Что это значит для авторов и селлеров
Локальный синтез речи может пригодиться там, где нужна озвучка без обращения к внешнему сервису: например, для черновых версий роликов или тестовых дорожек. Стоит проверить, как модель ведёт себя на вашем устройстве и хватает ли качества для финального материала.
Для коммерческих проектов важна разница лицензий. Бесплатная Phonon 31m ограничена английским, а пять языков без оплаты не заявлены: Phonon 40m с ними идёт по некоммерческой лицензии. Условия и стоимость коммерческого использования остальных моделей компания описывает только формулой, поэтому конкретику стоит уточнять у Hugging Face перед запуском.
Отдельный момент, который стоит держать в голове при озвучке: клонирование голоса компания разрешает только с согласия говорящего. Для рекламных и товарных роликов это лишний повод заранее договориться о правах на голос.
Источник
Hugging FaceA Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.5 ноября 2026 GradiumКак сделан текст: его подготовил ИИ по материалам источника, текст сверен с источником и проверен редактором. Иллюстрация создана ИИ для AISTETIKA и не является кадром из новости.
