대부분의 AI 음성은 클라우드에 있습니다. 문장 하나하나가 서버를 오가 니 돈이 들고, 지연이 생기며, 입력한 글이 다른 곳으로 보내집니다. Gradium의 Phonon은 반대 길을 택했습니다. 이 음성 합성 모델은 휴대폰, 노트북, 싱글보드 컴퓨터, 브라우저 탭에서 네트워크 없이 돌아갈 만큼 작으며, 출시 2주 뒤 회사가 그 성과를 정리해 내놓았습니다.
크기는 약 65 MB와 75 MB 두 가지입니다. Phonon 31m은 영어를 말하며 Apache 2.0으로 공개돼 상업 제품에도 무료로 넣을 수 있습니다. Phonon 40m은 프랑스어, 독일어, 스페인어, 포르투갈어를 더한 모델로 비상업 라이선스 CC BY-NC가 적용됩니다. 이 모델의 상업적 사용은 생성한 음성의 양이 아니라 사용자 수에 따라 요금이 매겨집니다. 기본 제공 음성은 100개가 넘고, Gradium Studio에서 자신만의 음성을 복제하거나 설계할 수 있으며, 많은 시스템이 실수하는 전화번호, 날짜, 코드도 처리하도록 만들어졌습니다. Gradium에 따르면 Phonon은 처음 2주 동안 200,000번 넘게 내려받아졌습니다.
뉴스가 되는 부분은 벤치마크 결과입니다. 23개 언어의 모델을 명료도, 속도, 자연스러움으로 평가하는 Hugging Face의 새 Open TTS Leaderboard에서 Phonon은 독일어와 스페인어 명료도 1위를 했고, Gradium이 평가한 모든 언어에서 상위 3위 안에 들었습니다. 나란히 선 모델 중에는 최대 100배 큰 것도 있습니다. CPU 스트리밍 벤치마크에서도 음성이 말하기 시작할 때까지의 지연인 첫 오디오까지의 시간에서 1위였습니다. Gradium은 CPU, GPU, 휴대폰 칩에 걸쳐 10개가 넘는 백엔드를 지원하는 자체 추론 프레임워크 ptts를 만들었고, 모델은 버전 5.21부터 Hugging Face Transformers에도 들어 있습니다.
저희 Gradium Phonon 리뷰는 이미 31M 영어 모델을 Kokoro보다 작고 청취자가 더 선호한, 지금 앱에 넣을 작은 음성으로 평가했 습니다. 기기 안에서 도는 음성은 건강, 교육, 오프라인 도구처럼 글을 클라우드로 보낼 수 없는 앱, 그리고 신호가 없어도 작동하는 음성을 원하는 사람에게 중요합니다. 시연 중에는 Wi-Fi를 끈 Apple Watch가 커피 내리는 과정을 안내하는 것도 있습니다.
어느 정도 신중함은 필요합니다. 순위는 Gradium 자체 글에서 나온 것이며, 단어 오류율로 잰 명료도는 긴 글을 읽을 때 음성이 얼마나 자연스러운지에 대해서는 거의 알려 주지 않습니다. 다국어 모델의 비상업 라이선스는 돈을 내지 않는 한 많은 기업에게 선택지에서 빠질 이유가 되며, 한국어, 아랍어, 일본어 등 다섯 언어 밖의 언어는 파트너용 맞춤 학습으로만 제공됩니다.