Phonon TTS de près : une synthèse vocale on-device de haute qualité en tête des benchmarks

Gradium détaille le lancement de Phonon, un modèle de text-to-speech exécuté localement, sans serveur ni réseau. Il existe en deux tailles (environ 65 Mo et 75 Mo), couvre cinq langues (anglais, français, allemand, espagnol, portugais) et propose plus de 100 voix intégrées, ainsi que le clonage et la conception de voix. Phonon 31m est sous Apache 2.0, les autres modèles sous CC BY-NC. Il repose sur la lignée Pocket TTS et utilise le flow matching.