Gradium Phononとは？
Phononは、Kyutaiの共同創業者が立ち上げたパリの音声AI企業Gradiumによる、小型のオンデバイス向けテキスト読み上げモデルのシリーズで、重みは2026年10月20日から21日にかけて公開されました。商用で使えるのはPhonon 31M Englishで、音声トークナイザーを除いて3,100万パラメータ、8ビットのGGUFファイルは64.5 MB、出力は24 kHzのモノラルで、重み、トークナイザー、音声はApache 2.0です。英語、フランス語、ドイツ語、スペイン語、ポルトガル語向けの40Mの姉妹モデルと、5言語対応の多言語版はCC BY-NC 4.0で、非商用に限られます。
PhononはKyutaiのPocket TTSとMimiコーデックをもとにしており、flow matchingのTransformerが80 msのフレーム単位で音声を予測し、生成しながらストリーミングします。約100のプリセット音声が別のリポジトリにあり、クローンとボイスデザインはオープンな重みではなく、Gradiumのホスト型サービスの有料機能です。31MモデルのHugging Faceのページには、直近1か月で約165,000回のダウンロードが記録されています。
Gradium Phononの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Phonon 31M English (self-hosted) | Free | Apache 2.0、商用利用可 |
| Gradium Free | $0 | 月45,000文字、カスタム音声は5つまで |
| Gradium S | $39/month | 900,000文字、カスタム音声1,000 |
| Gradium L | $1,480/month | 4,500万文字、プロ音声クローン20 |
Phonon 31M EnglishはApache 2.0で無料で、40MのモデルはCC BY-NC 4.0です。Gradiumのホスト型APIには月45,000文字の$0プラン、月$39のS、4,500万文字で月$1,480のLがあり、いずれも年払いの料金です。
Gradium Phononは使う価値があるか？
Phonon 31Mは、アプリの中に収まる無料の英語音声として最も優れています。Artificial AnalysisのアリーナではEloが1,114で104モデル中41位となり、1,064のKokoro 82M、1,111のChatterbox HD、1,107のOpenAI TTS-1 HDを上回り、掲載価格はゼロです。しかもパラメータは3,100万で、Kokoroの8,200万の半分以下です。
468人の評価者と8,290票によるGradium自身のブラインドテストも同じ結果で、31MモデルのEloは2,098、Kokoroは2,043、NeuTTSは2,034でした。数字、日付、コードだらけの難しい文での誤り率は1.5%で、Kokoroの3.5%、NeuTTSの8.7%を下回ります。数字や記号を読み方に展開するランタイムもこれを支えています。Gradiumによると、最初の音声までの時間はAMD EPYC 7413のCPUで43 ms、NVIDIA L40SのGPUで5 msです。
公開時点で対応するプラットフォームは、多くのオープン音声モデルより広範です。ブラウザ向けのWASM版、iPhoneとMac向けのCore ML、TalkBackと連携するAndroidのシステム音声、OpenAI形式のAPIを持つDockerサーバー、Home Assistant、Rust、Cがあります。デモにとどまらない、実用的なアクセシビリティの部品です。
注意点：オープンモデルは英語で、声は固定です。クローンとボイスデザインはGradiumの有料サービスの側にあり、評価が高い40Mの英語モデルと英語以外のすべてのモデルは非商用です。また長い入力は文ごとに分割されるため、段落全体で抑揚はつながりません。モデルカードは、なりすましや同意のない声のクローンをしないよう求めていますが、透かしはありません。
結論：オフラインで話す必要がある英語アプリなら、重要な数字でPhonon 31MはすでにKokoroを上回っており、乗り換えのコストは64.5 MBのダウンロードだけです。
真価を発揮する場面
オフラインの読書アプリを作るAndroid開発者
ネットワークも文字単位の料金もなしで電子書籍を読み上げたい
PhononをシステムのTTSエンジンとして入れるか、ランタイムを組み込みます。64.5 MBのモデルがスマートフォンのCPUでストリーミング します。Apache 2.0なので有料アプリにも使えます。
銀行のデジタルチーム
ブラウザのウィジェットで口座番号、日付、金額を正しく読み上げたい
npmのphonon-ttsのWASM版を読み込みます。ランタイムのノーマライザーが数字や日付を展開し、難しい文での誤り率1.5%はGradiumの比較で最も低い数字です。
Home Assistantを使うスマートホーム愛好家
お知らせ用のクラウド音声を置き換えたい
小さなCPUマシンで、Home Assistant用の設定とともにGradiumのDockerサーバーを動かします。サーバーCPUで最初の音声まで43 msなので、お知らせはほぼすぐに始まります。
英語とフランス語でクローンしたブランド音声が必要なスタートアップ
両方の言語で同じ声を使いたい
オープンな重みではクローンできないため、Gradiumのホスト型APIが必要です。月$39のSプランには900,000文字と、約10秒の音声からのインスタントクローンが含まれます。
導入前に確認すること
- 導入
- pip install pttsを実行するか、uvxかHomebrewでpttsのCLIを動かします。重みと音声はHugging Faceからダウンロードされます。langはテキストの言語に合わせます。
- 連携
- Python、Rust、CとC++、Core ML対応のSwift、ブラウザ向けのnpm phonon-tts、AndroidのシステムTTSエンジン、OpenAI互換APIのDockerサーバー、Home Assistant、WebSocketストリーミング、Transformers。
- データとプライバシー
- デバイス上の推論なので、テキストと音声はデバイスに残ります。オープンモデルはクローンせず、カードはなりすましや同意のない声のクローンをしないよう求めています。透かしはありません。
- 大規模利用時のコスト
- 31Mの英語モデルは無料です。クローンや英語以外の言語を商用で使うのに必要なGradiumのホスト型APIは、900,000文字で月$39から、4,500万文字で$1,480までです。
- 制限
- 商用モデルは英語のみ、5言語対応の40Mモデルを除き各モデルは1言語のみ、長文は文ごとに分割され、Transformersのトークナイザーはランタイムのように数字を展開しません。
良い点
- Artificial AnalysisでElo 1,114、1,064のKokoroを上回る
- 3,100万パラメータ、8ビットで64.5 MB、CPUとブラウザで動く
- 数字や日付を含む難しい文での誤り率1.5%
- 重みと音声がApache 2.0、Android、iOS、Web、サーバー向けのランタイム
気になる点
- オープンモデルは英語のみで、声は固定
- クローンとボイスデザインはGradiumの有料APIのみ
- 40Mと英語以外のモデルは非商用
- 透かしがなく、抑揚は文ごとにリセットされる
おすすめの人
スマートフォン、ノートパソコン、ブラウザでオフラインで動く自然な英語音声を、商用ライセンスで使いたいアプリやデバイスのメーカー。
Gradium Phononの代替
Gradium Phonon：よくある質問
- Gradium Phononは使う価値があるか？
- 今アプリに組み込むなら、小さな英語音声Phonon 31Mです。Kokoroより小さく、聴取者に好まれ、ライセンスはApacheです。 評価は5点満点中4.1点です。
- Gradium Phononの料金は？
- Phonon 31M EnglishはApache 2.0で無料で、40MのモデルはCC BY-NC 4.0です。Gradiumのホスト型APIには月45,000文字の$0プラン、月$39のS、4,500万文字で月$1,480のLがあり、いずれも年払いの料金です。
- Gradium Phononの欠点は？
- オープンモデルは英語のみで、声は固定; クローンとボイスデザインはGradiumの有料APIのみ; 40Mと英語以外のモデルは非商用; 透かしがなく、抑揚は文ごとにリセットされる.
- Gradium Phononは誰に向いているか？
- スマートフォン、ノートパソコン、ブラウザでオフラインで動く自然な英語音声を、商用ライセンスで使いたいアプリやデバイスのメーカー。
- チームや本番環境でGradium Phononを使うと費用はいくらか？
- 31Mの英語モデルは無料です。クローンや英語以外の言語を商用で使うのに必要なGradiumのホスト型APIは、900,000文字で月$39から、4,500万文字で$1,480までです。
- Gradium Phononは企業データを扱っても安全か？
- デバイス上の推論なので、テキストと音声はデバイスに残ります。オープンモデルはクローンせず、カードはなりすましや同意のない声のクローンをしないよう求めています。透かしはありません。
- Gradium Phononの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はKokoro-82M, NeuTTS (Air, Nano, 2E), KittenTTS 2 、 Chatterboxです。
回答確認日：2026年11月7日
Gradium Phononの開発元の方へ：この評価をサイトに掲載できます
