Gradium, startup parigina nata dal laboratorio Kyutai, ha pubblicato Phonon, una famiglia di modelli di sintesi vocale (text-to-speech) pensati per girare direttamente sul dispositivo. Le versioni annunciate hanno 31 e 40 milioni di parametri, entrambe sotto i 50 milioni, e sono rilasciate come open source insieme al codice di inferenza.
La caratteristica che conta per chi sviluppa è che il modello non richiede connessione: testo e audio restano sul telefono, sul portatile o nel browser. Secondo la scheda pubblicata su Hugging Face, la versione in inglese genera parlato a 24 kHz e lo trasmette in streaming mentre ancora lo sta producendo, con una dimensione tale da funzionare in una scheda del browser, su uno smartphone o su una CPU da laptop.
Immagine: phonon.studio
Phonon si appoggia a Pocket TTS e al codec Mimi, sviluppati da Kyutai. Anche la parte di inferenza è aperta: il progetto xn-ptts su GitHub la descrive come pensata per assistenti offline, strumenti di accessibilità e applicazioni interattive che devono produrre voce senza un giro nel cloud. Lo stack punta a più di dieci backend diversi, tra CPU, GPU e NPU, ed è scritto in gran parte in Rust.
Il dato più concreto per chi valuta l'adozione è la portabilità. Un modello sotto i 50 milioni di parametri entra in dispositivi che non reggerebbero i grandi sistemi vocali cloud, e riduce la dipendenza da API esterne per voci usate in app, dispositivi domestici o strumenti per l'accessibilità. Gradium, nella presentazione, parla di un nuovo standard di naturalezza e precisione per l'esecuzione locale, con un ampio supporto linguistico; la fonte non fornisce misure indipendenti che confermino il confronto.
La scelta di rilasciare tutto come open source si inserisce in una tendenza già visibile nel nostro archivio: nel giro di pochi mesi sono arrivati modelli vocali locali come Qwen3-TTS in llama.cpp e Chatterbox-Nano nel browser. Phonon, però, scende molto più in basso per dimensioni, e questo lo rende candidato naturale per dispositivi con poca memoria.
Gradium aveva già aperto una linea commerciale con il suo strumento Voice Design, che genera voci da descrizioni testuali. Il rilascio di Phonon è il primo passo open source dell'azienda, e la stessa società dichiara di voler proseguire con altre pubblicazioni.
Ancora nessun commento. Puoi essere il primo!