Gradiumによると、同社のオープンな音声合成モデル「Phonon」は、ネットワークに接続しなくてもスマートフォンやノートPCなどの端末上で音声を生成できる。モデルは約65 MBと75 MBの2種類で、英語、フランス語、ドイツ語、スペイン語、ポルトガル語に対応し、100種類以上の音声を内蔵している。
Gradiumによると、Hugging Faceの「Open TTS Leaderboard」でPhononはドイツ語とスペイン語の明瞭さで1位となり、評価対象の全言語でトップ3に入った。また、CPUを使ったストリーミング試験では、音声が初めて出力されるまでの時間で首位だった。同社は、Phonon 31mは商用利用可能なApache 2.0ライセンスで提供し、Phonon 40mは非商用利用に限るとしている。
なぜ重要か
アプリ開発者はPhonon 31mを使い、ユーザーのテキストをサーバーに送信せずにオフライン音声機能を追加できる。ただし、同社が示すランキング結果は、ここでは第三者による検証が行われていない。
