AI BriefingGradium Phonon TTS, 28ms 지연 온디바이스 음성 합성
A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.
·2026.11.05 09:00
핵심 내용
Gradium의 Phonon TTS가 Hugging Face CPU 스트리밍 벤치마크 1위를 차지했다.
자세히 보기
- Gradium가 2주 전 공개된 오픈 웨이트 텍스트-스피치 모델 Phonon의 상세 분석을 발표함. 31m 및 40m 파라미터 크기로 제공되며 네트워크 접근 없이 온디바이스에서 완전히 동작하도록 설계됨
- Phonon 31m은 95퍼센타일 시간-첫 오디오(TTFA)가 28ms로 Hugging Face Open TTS Leaderboard의 CPU 스트리밍 벤치마크에서 1위를 기록함. 165ms인 Pocket TTS를 앞서고 있음
- 독일어와 스페인어 가독성에서 1위를 차지했으며, 평가된 모든 언어에서 상위 3위 안에 들음. 최대 100배 큰 모델들과 경쟁하는 수준임
- Phonon 31m은 영어를 지원하며 상업적 사용을 위한 Apache 2.0 라이선스를 적용함. 40m 모델은 영어, 프랑스어, 독일어, 스페인어, 포르투갈어 등 5개 언어를 지원하며 비상업적 라이선스를 적용함
- 새로운 추론 프레임워크 ptts가 포함되며 CPU, GPU, NPU를 포함한 10개 이상의 백엔드를 지원함. Hugging Face Transformers v5.21에 통합됨
- Pocket TTS 계보의 플로우 매칭을 사용하며 사전 계산된 스피커 라텐트를 통해 보이스 클로닝 및 디자인을 지원함
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.