Was ist Gradium Phonon?
Phonon ist eine Familie kleiner On-Device-Text-to-Speech-Modelle von Gradium, dem Pariser Sprach-KI-Unternehmen der Kyutai-Mitgründer, mit Gewichten, die am 20. bis 21. Oktober 2026 erschienen. Das kommerziell nutzbare ist Phonon 31M English: 31 Millionen Parameter ohne den Audio-Tokenizer, eine 8-Bit-GGUF-Datei mit 64,5 MB, Mono-Ausgabe mit 24 kHz sowie Gewichte, Tokenizer und Stimmen unter Apache 2.0. Die 40M-Schwestermodelle für Englisch, Französisch, Deutsch, Spanisch, Portugiesisch und eine fünfsprachige Version stehen unter CC BY-NC 4.0, also nur für nichtkommerzielle Nutzung.
Phonon baut auf Kyutais Pocket TTS und dem Mimi-Codec auf: Ein Flow-Matching-Transformer sagt Audio in Frames von 80 ms voraus und streamt fortlaufend. Rund 100 Preset-Stimmen liegen in einem Begleit-Repository; Klonen und Stimmdesign sind kostenpflichtige Funktionen von Gradiums gehostetem Dienst, nicht der offenen Gewichte. Die Hugging-Face-Seite des 31M-Modells verzeichnet rund 165.000 Downloads im vergangenen Monat.
Was kostet Gradium Phonon?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Phonon 31M English (self-hosted) | Free | Apache 2.0, kommerzielle Nutzung erlaubt |
| Gradium Free | $0 | 45.000 Zeichen im Monat, bis zu 5 eigene Stimmen |
| Gradium S | $39/month | 900.000 Zeichen, 1.000 eigene Stimmen |
| Gradium L | $1,480/month | 45 Millionen Zeichen, 20 Pro-Stimmklone |
Phonon 31M English ist unter Apache 2.0 kostenlos; die 40M-Modelle stehen unter CC BY-NC 4.0. Gradiums gehostete API hat eine Stufe für $0 mit 45.000 Zeichen im Monat, S für $39 im Monat und L für $1,480 im Monat für 45 Millionen Zeichen, bei jährlicher Abrechnung.
Lohnt sich Gradium Phonon?
Phonon 31M ist die stärkste kostenlose englische Stimme, die in eine App passt. In der Arena von Artificial Analysis kommt es auf 1.114 Elo, Platz 41 von 104, und liegt damit vor Kokoro 82M mit 1.064, Chatterbox HD mit 1.111 und OpenAIs TTS-1 HD mit 1.107, bei einem gelisteten Preis von null. Das schafft es mit 31 Millionen Parametern, weniger als der Hälfte von Kokoros 82 Millionen.
Gradiums eigener Blindtest mit 468 Bewertern und 8.290 Stimmen bestätigt das: 2.098 Elo für das 31M-Modell gegenüber 2.043 für Kokoro und 2.034 für NeuTTS. Seine Fehlerrate auf schwierigen Sätzen voller Zahlen, Daten und Codes liegt bei 1,5%, gegenüber 3,5% für Kokoro und 8,7% für NeuTTS, unterstützt von einer Laufzeit, die Zahlen und Symbole ausschreibt. Gradium meldet 43 ms bis zum ersten Audio auf einer AMD-EPYC-7413-CPU und 5 ms auf einer NVIDIA-L40S-GPU.
Es erreicht zum Start mehr Plattformen als die meisten offenen Sprachmodelle: einen WASM-Build für Browser, Core ML für iPhone und Mac, eine Android-Systemstimme, die mit TalkBack funktioniert, einen Docker-Server mit API im OpenAI-Stil, Home Assistant, Rust und C. Das macht es zu einem praktischen Baustein für Barrierefreiheit, nicht nur zu einer Demo.
Der Haken: Das offene Modell ist Englisch mit festen Stimmen. Klonen und Stimmdesign stecken hinter Gradiums kostenpflichtigem Dienst, das besser bewertete englische 40M-Modell und alle nichtenglischen Modelle sind nichtkommerziell, und lange Eingaben werden in Sätze geteilt, sodass die Prosodie nicht über einen Absatz trägt. Die Modellkarte bittet, niemanden zu imitieren und keine Stimmen ohne Einwilligung zu klonen; ein Wasserzeichen gibt es nicht.
Unser Fazit: Für jede englische App, die offline sprechen muss, schlägt Phonon 31M Kokoro inzwischen bei den Werten, die zählen, und der Wechsel kostet einen Download von 64,5 MB.
Wo es sich lohnt
Ein Android-Entwickler, der eine Offline-Lese-App baut
E-Books ohne Netz und ohne Gebühren pro Zeichen vorlesen
Installiere Phonon als System-TTS-Engine oder bette die Laufzeit ein; das 64,5-MB-Modell streamt von der CPU des Smartphones. Apache 2.0 erlaubt den Einsatz in einer kostenpflichtigen App.
Das Digitalteam einer Bank
Kontonummern, Daten und Beträge in einem Browser-Widget korrekt vorlesen
Lade den WASM-Build aus npm phonon-tts; der Normalisierer der Laufzeit schreibt Zahlen und Daten aus, und die Fehlerrate von 1,5% auf schwierigen Sätzen ist die niedrigste in Gradiums Vergleich.
Ein Smart-Home-Bastler mit Home Assistant
Eine Cloud-Stimme für Durchsagen ersetzen
Betreibe Gradiums Docker-Server mit dem Home-Assistant-Setup auf einem kleinen CPU-Rechner; 43 ms bis zum ersten Audio auf einer Server-CPU heißt, dass Durchsagen fast sofort beginnen.
Ein Start-up, das eine geklonte Markenstimme auf Englisch und Französisch braucht
In beiden Sprachen dieselbe Stimme haben
Die offenen Gewichte können nicht klonen, also braucht es Gradiums gehostete API: Der S-Plan für $39 im Monat umfasst 900.000 Zeichen und Sofortklone aus etwa 10 Sekunden Audio.
Bevor du dich festlegst
- Einrichtung
- pip install ptts oder die ptts-CLI über uvx oder Homebrew starten; Gewichte und Stimmen kommen von Hugging Face. lang passend zum Text setzen.
- Integrationen
- Python, Rust, C und C++, Swift mit Core ML, npm phonon-tts für Browser, Android-System-TTS-Engine, Docker-Server mit OpenAI-kompatibler API, Home Assistant, WebSocket-Streaming, Transformers.
- Daten und Datenschutz
- Inferenz auf dem Gerät hält Text und Audio auf dem Gerät. Das offene Modell klont nicht; die Karte bittet, niemanden zu imitieren und keine Stimmen ohne Einwilligung zu klonen. Kein Wasserzeichen.
- Kosten im großen Maßstab
- Kostenlos für das englische 31M-Modell. Gradiums gehostete API, nötig für Klonen oder andere Sprachen im kommerziellen Einsatz, kostet von $39 im Monat für 900.000 Zeichen bis $1,480 für 45 Millionen.
- Grenzen
- Das kommerzielle Modell spricht nur Englisch; außer dem fünfsprachigen 40M-Modell spricht jedes Modell eine Sprache; langer Text wird satzweise geteilt; der Transformers-Tokenizer schreibt Zahlen nicht so aus wie die Laufzeit.
Was gut ist
- 1.114 Elo bei Artificial Analysis, vor Kokoro mit 1.064
- 31M Parameter, 64,5 MB in 8 Bit, läuft auf CPU und im Browser
- 1,5% Fehlerrate auf schwierigen Sätzen mit Zahlen und Daten
- Gewichte und Stimmen unter Apache 2.0; Laufzeiten für Android, iOS, Web und Server
Was nicht
- Das offene Modell spricht nur Englisch, mit festen Stimmen
- Klonen und Stimmdesign nur über Gradiums kostenpflichtige API
- 40M- und nichtenglische Modelle sind nichtkommerziell
- Kein Wasserzeichen; die Prosodie beginnt mit jedem Satz neu
Am besten für
App- und Gerätehersteller, die eine natürliche englische Stimme brauchen, die offline auf Smartphones, Laptops oder im Browser läuft, unter kommerzieller Lizenz.
Alternativen zu Gradium Phonon
Gradium Phonon: häufige Fragen
- Lohnt sich Gradium Phonon?
- Phonon 31M ist die winzige englische Stimme, die man heute in eine App packen sollte: kleiner als Kokoro, von Hörern bevorzugt und Apache-lizenziert. Wir bewerten es mit 4.1 von 5.
- Was kostet Gradium Phonon?
- Phonon 31M English ist unter Apache 2.0 kostenlos; die 40M-Modelle stehen unter CC BY-NC 4.0. Gradiums gehostete API hat eine Stufe für $0 mit 45.000 Zeichen im Monat, S für $39 im Monat und L für $1,480 im Monat für 45 Millionen Zeichen, bei jährlicher Abrechnung.
- Welche Nachteile hat Gradium Phonon?
- Das offene Modell spricht nur Englisch, mit festen Stimmen; Klonen und Stimmdesign nur über Gradiums kostenpflichtige API; 40M- und nichtenglische Modelle sind nichtkommerziell; Kein Wasserzeichen; die Prosodie beginnt mit jedem Satz neu.
- Für wen eignet sich Gradium Phonon?
- App- und Gerätehersteller, die eine natürliche englische Stimme brauchen, die offline auf Smartphones, Laptops oder im Browser läuft, unter kommerzieller Lizenz.
- Was kostet Gradium Phonon für ein Team oder im Produktivbetrieb?
- Kostenlos für das englische 31M-Modell. Gradiums gehostete API, nötig für Klonen oder andere Sprachen im kommerziellen Einsatz, kostet von $39 im Monat für 900.000 Zeichen bis $1,480 für 45 Millionen.
- Ist Gradium Phonon sicher für Firmendaten?
- Inferenz auf dem Gerät hält Text und Audio auf dem Gerät. Das offene Modell klont nicht; die Karte bittet, niemanden zu imitieren und keine Stimmen ohne Einwilligung zu klonen. Kein Wasserzeichen.
- Was sind die besten Alternativen zu Gradium Phonon?
- Die nächsten Alternativen, die wir getestet haben, sind Kokoro-82M, NeuTTS (Air, Nano, 2E), KittenTTS 2 und Chatterbox.
Antworten geprüft am 7. Nov. 2026.
Du entwickelst Gradium Phonon? Zeig diese Bewertung auf deiner Website
