¿Qué es Gradium Phonon?
Phonon es una familia de pequeños modelos de texto a voz para el dispositivo de Gradium, la empresa de voz de París fundada por los cofundadores de Kyutai, con pesos publicados entre el 20 y el 21 de octubre de 2026. El de uso comercial es Phonon 31M English: 31 millones de parámetros sin contar el tokenizador de audio, un archivo GGUF de 8 bits de 64,5 MB, salida mono a 24 kHz y pesos, tokenizador y voces bajo Apache 2.0. Los modelos hermanos de 40M para inglés, francés, alemán, español y portugués, y una versión multilingüe de cinco idiomas, van bajo CC BY-NC 4.0, es decir, solo uso no comercial.
Phonon se basa en Pocket TTS de Kyutai y en el códec Mimi: un transformer de flow matching predice el audio en tramas de 80 ms y lo emite en streaming. Unas 100 voces predefinidas vienen en un repositorio aparte; la clonación y el diseño de voz son funciones de pago del servicio alojado de Gradium, no de los pesos abiertos. La página de Hugging Face del modelo de 31M registra unas 165.000 descargas en el último mes.
¿Cuánto cuesta Gradium Phonon?
| Plan | Precio | Qué incluye |
|---|---|---|
| Phonon 31M English (self-hosted) | Free | Apache 2.0, uso comercial permitido |
| Gradium Free | $0 | 45.000 caracteres al mes, hasta 5 voces personalizadas |
| Gradium S | $39/month | 900.000 caracteres, 1.000 voces personalizadas |
| Gradium L | $1,480/month | 45 millones de caracteres, 20 clones de voz pro |
Phonon 31M English es gratis bajo Apache 2.0; los modelos de 40M son CC BY-NC 4.0. La API alojada de Gradium tiene un nivel de $0 con 45.000 caracteres al mes, S a $39 al mes y L a $1,480 al mes por 45 millones de caracteres, con facturación anual.
¿Merece la pena Gradium Phonon?
Phonon 31M es la mejor voz inglesa gratuita que cabe dentro de una app. En la arena de Artificial Analysis obtiene 1.114 de Elo, en el puesto 41 de 104 y por encima de Kokoro 82M con 1.064, Chatterbox HD con 1.111 y TTS-1 HD de OpenAI con 1.107, con un precio listado de cero. Y lo hace con 31 millones de parámetros, menos de la mitad de los 82 millones de Kokoro.
La prueba a ciegas de la propia Gradium, con 468 evaluadores y 8.290 votos, coincide: 2.098 de Elo para el modelo de 31M frente a 2.043 de Kokoro y 2.034 de NeuTTS. Su tasa de error en frases difíciles llenas de números, fechas y códigos es del 1,5%, frente al 3,5% de Kokoro y el 8,7% de NeuTTS, gracias en parte a un runtime que escribe con letras números y símbolos. Gradium informa de 43 ms hasta el primer audio en una CPU AMD EPYC 7413 y 5 ms en una GPU NVIDIA L40S.
Llega a más plataformas desde el lanzamiento que la mayoría de los modelos de voz abiertos: una versión WASM para navegadores, Core ML para iPhone y Mac, una voz de sistema para Android compatible con TalkBack, un servidor Docker con API al estilo de OpenAI, Home Assistant, Rust y C. Eso lo convierte en una pieza práctica de accesibilidad, no solo en una demo.
La pega: el modelo abierto es inglés con voces fijas. La clonación y el diseño de voz están tras el servicio de pago de Gradium, el modelo inglés de 40M, que puntúa mejor, y todos los modelos no ingleses son no comerciales, y los textos largos se dividen en frases, así que la prosodia no se mantiene a lo largo de un párrafo. La ficha pide no suplantar a personas ni clonar voces sin consentimiento; no hay marca de agua.
Nuestra opinión: para cualquier app en inglés que necesite hablar sin conexión, Phonon 31M ya supera a Kokoro en las cifras que importan, y el cambio cuesta una descarga de 64,5 MB.
Dónde se gana su sitio
Un desarrollador de Android que crea una app de lectura sin conexión
Leer libros electrónicos en voz alta sin red ni tarifas por carácter
Instala Phonon como motor TTS del sistema o integra el runtime; el modelo de 64,5 MB funciona en streaming en la CPU del móvil. Apache 2.0 permite usarlo en una app de pago.
El equipo digital de un banco
Leer correctamente en voz alta números de cuenta, fechas e importes en un widget del navegador
Carga la versión WASM de npm phonon-tts; el normalizador del runtime expande números y fechas, y su 1,5% de error en frases difíciles es el más bajo de la comparativa de Gradium.
Un aficionado a la domótica que usa Home Assistant
Sustituir una voz en la nube para los avisos
Ejecuta el servidor Docker de Gradium con la configuración de Home Assistant en un pequeño equipo con CPU; 43 ms hasta el primer audio en una CPU de servidor significa que los avisos empiezan casi al instante.
Una startup que necesita una voz de marca clonada en inglés y francés
Tener la misma voz en ambos idiomas
Los pesos abiertos no pueden clonar, así que hace falta la API alojada de Gradium: el plan S a $39 al mes incluye 900.000 caracteres y clones instantáneos a partir de unos 10 segundos de audio.
Antes de decidirte
- Puesta en marcha
- pip install ptts o ejecuta la CLI ptts con uvx o Homebrew; los pesos y las voces se descargan de Hugging Face. Ajusta lang al idioma del texto.
- Integraciones
- Python, Rust, C y C++, Swift con Core ML, npm phonon-tts para navegadores, motor TTS del sistema en Android, servidor Docker con API compatible con OpenAI, Home Assistant, streaming por WebSocket, Transformers.
- Datos y privacidad
- La inferencia en el dispositivo mantiene el texto y el audio en él. El modelo abierto no clona; la ficha pide no suplantar a personas ni clonar voces sin consentimiento. Sin marca de agua.
- Coste a escala
- Gratis para el modelo inglés de 31M. La API alojada de Gradium, necesaria para clonar o para otros idiomas con fines comerciales, cuesta de $39 al mes por 900.000 caracteres hasta $1,480 por 45 millones.
- Límites
- Solo inglés en el modelo comercial; salvo el modelo de 40M de cinco idiomas, cada modelo habla un idioma; el texto largo se divide por frases; el tokenizador de Transformers no expande los números como lo hace el runtime.
Lo bueno
- 1.114 de Elo en Artificial Analysis, por encima de Kokoro con 1.064
- 31M parámetros, 64,5 MB a 8 bits, funciona en CPU y en navegadores
- 1,5% de error en frases difíciles con números y fechas
- Pesos y voces Apache 2.0; runtimes para Android, iOS, web y servidor
Lo malo
- El modelo abierto solo habla inglés y con voces fijas
- Clonación y diseño de voz solo a través de la API de pago de Gradium
- Los modelos de 40M y los no ingleses son no comerciales
- Sin marca de agua; la prosodia se reinicia en cada frase
Ideal para
Fabricantes de apps y dispositivos que necesitan una voz inglesa natural que funcione sin conexión en móviles, portátiles o en el navegador, con licencia comercial.
Alternativas a Gradium Phonon
Gradium Phonon: preguntas frecuentes
- ¿Merece la pena Gradium Phonon?
- Phonon 31M es la voz inglesa diminuta que conviene meter hoy en una app: más pequeña que Kokoro, preferida por los oyentes y con licencia Apache. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta Gradium Phonon?
- Phonon 31M English es gratis bajo Apache 2.0; los modelos de 40M son CC BY-NC 4.0. La API alojada de Gradium tiene un nivel de $0 con 45.000 caracteres al mes, S a $39 al mes y L a $1,480 al mes por 45 millones de caracteres, con facturación anual.
- ¿Qué inconvenientes tiene Gradium Phonon?
- El modelo abierto solo habla inglés y con voces fijas; clonación y diseño de voz solo a través de la API de pago de Gradium; los modelos de 40M y los no ingleses son no comerciales; sin marca de agua; la prosodia se reinicia en cada frase.
- ¿Para quién es Gradium Phonon?
- Fabricantes de apps y dispositivos que necesitan una voz inglesa natural que funcione sin conexión en móviles, portátiles o en el navegador, con licencia comercial.
- ¿Cuánto cuesta Gradium Phonon para un equipo o en producción?
- Gratis para el modelo inglés de 31M. La API alojada de Gradium, necesaria para clonar o para otros idiomas con fines comerciales, cuesta de $39 al mes por 900.000 caracteres hasta $1,480 por 45 millones.
- ¿Es Gradium Phonon seguro para los datos de la empresa?
- La inferencia en el dispositivo mantiene el texto y el audio en él. El modelo abierto no clona; la ficha pide no suplantar a personas ni clonar voces sin consentimiento. Sin marca de agua.
- ¿Cuáles son las mejores alternativas a Gradium Phonon?
- Las alternativas más cercanas que hemos analizado son Kokoro-82M, NeuTTS (Air, Nano, 2E), KittenTTS 2 y Chatterbox.
Respuestas comprobadas el 7 nov 2026.
¿Desarrollas Gradium Phonon? Muestra esta nota en tu web
