O que é Gradium Phonon?
O Phonon é uma família de pequenos modelos de texto para fala no dispositivo da Gradium, a empresa de voz de Paris fundada pelos cofundadores do Kyutai, com pesos publicados entre 20 e 21 de outubro de 2026. O de uso comercial é o Phonon 31M English: 31 milhões de parâmetros sem contar o tokenizador de áudio, um arquivo GGUF de 8 bits com 64,5 MB, saída mono a 24 kHz e pesos, tokenizador e vozes sob Apache 2.0. Os modelos irmãos de 40M para inglês, francês, alemão, espanhol e português, e uma versão multilíngue de cinco idiomas, estão sob CC BY-NC 4.0, ou seja, só para uso não comercial.
O Phonon se baseia no Pocket TTS do Kyutai e no codec Mimi: um transformer de flow matching prevê o áudio em quadros de 80 ms e faz streaming enquanto gera. Cerca de 100 vozes prontas vêm num repositório à parte; clonagem e criação de voz são recursos pagos do serviço hospedado da Gradium, não dos pesos abertos. A página do modelo de 31M no Hugging Face registra cerca de 165.000 downloads no último mês.
Quanto custa Gradium Phonon?
| Plano | Preço | O que inclui |
|---|---|---|
| Phonon 31M English (self-hosted) | Free | Apache 2.0, uso comercial permitido |
| Gradium Free | $0 | 45.000 caracteres por mês, até 5 vozes personalizadas |
| Gradium S | $39/month | 900.000 caracteres, 1.000 vozes personalizadas |
| Gradium L | $1,480/month | 45 milhões de caracteres, 20 clones de voz pro |
O Phonon 31M English é gratuito sob Apache 2.0; os modelos de 40M são CC BY-NC 4.0. A API hospedada da Gradium tem um nível de $0 com 45.000 caracteres por mês, S a $39 por mês e L a $1,480 por mês para 45 milhões de caracteres, com cobrança anual.
Gradium Phonon vale a pena?
O Phonon 31M é a melhor voz gratuita em inglês que cabe dentro de um app. Na arena da Artificial Analysis ele marca 1.114 de Elo, em 41º de 104, acima do Kokoro 82M com 1.064, do Chatterbox HD com 1.111 e do TTS-1 HD da OpenAI com 1.107, com preço listado de zero. Ele faz isso com 31 milhões de parâmetros, menos da metade dos 82 milhões do Kokoro.
O teste cego da própria Gradium, com 468 avaliadores e 8.290 votos, concorda: 2.098 de Elo para o modelo de 31M, contra 2.043 do Kokoro e 2.034 do NeuTTS. Sua taxa de erro em frases difíceis cheias de números, datas e códigos é de 1,5%, contra 3,5% do Kokoro e 8,7% do NeuTTS, com ajuda de um runtime que escreve números e símbolos por extenso. A Gradium informa 43 ms até o primeiro áudio numa CPU AMD EPYC 7413 e 5 ms numa GPU NVIDIA L40S.
Ele chega a mais plataformas logo no lançamento do que a maioria dos modelos de voz abertos: build WASM para navegadores, Core ML para iPhone e Mac, uma voz de sistema no Android que funciona com o TalkBack, um servidor Docker com API no estilo da OpenAI, Home Assistant, Rust e C. Isso o torna uma peça prática de acessibilidade, não só uma demo.
O porém: o modelo aberto é inglês com vozes fixas. Clonagem e criação de voz ficam atrás do serviço pago da Gradium, o modelo inglês de 40M, mais bem avaliado, e todos os modelos não ingleses são não comerciais, e entradas longas são divididas em frases, então a prosódia não se mantém ao longo de um parágrafo. O cartão pede que ninguém se passe por outra pessoa nem clone vozes sem consentimento; não há marca d'água.
Nossa opinião: para qualquer app em inglês que precise falar offline, o Phonon 31M já supera o Kokoro nos números que importam, e a troca custa um download de 64,5 MB.
Onde ele se destaca
Um desenvolvedor Android criando um app de leitura offline
Ler e-books em voz alta sem rede e sem tarifa por caractere
Instale o Phonon como motor de TTS do sistema ou embuta o runtime; o modelo de 64,5 MB faz streaming na CPU do celular. Apache 2.0 permite usá-lo num app pago.
A equipe digital de um banco
Ler corretamente números de conta, datas e valores num widget do navegador
Carregue o build WASM do npm phonon-tts; o normalizador do runtime expande números e datas, e a taxa de erro de 1,5% em frases difíceis é a mais baixa da comparação da Gradium.
Um entusiasta de casa inteligente com Home Assistant
Substituir uma voz na nuvem para avisos
Rode o servidor Docker da Gradium com a configuração do Home Assistant num pequeno computador com CPU; 43 ms até o primeiro áudio numa CPU de servidor significa que os avisos começam quase na hora.
Uma startup que precisa de uma voz de marca clonada em inglês e francês
Ter a mesma voz nos dois idiomas
Os pesos abertos não clonam, então é preciso a API hospedada da Gradium: o plano S a $39 por mês inclui 900.000 caracteres e clones instantâneos a partir de cerca de 10 segundos de áudio.
Antes de decidir
- Configuração
- pip install ptts ou rode a CLI ptts via uvx ou Homebrew; pesos e vozes são baixados do Hugging Face. Ajuste lang para o idioma do texto.
- Integrações
- Python, Rust, C e C++, Swift com Core ML, npm phonon-tts para navegadores, motor de TTS do sistema Android, servidor Docker com API compatível com a OpenAI, Home Assistant, streaming por WebSocket, Transformers.
- Dados e privacidade
- A inferência no dispositivo mantém texto e áudio nele. O modelo aberto não clona; o cartão pede que ninguém se passe por outra pessoa nem clone vozes sem consentimento. Sem marca d'água.
- Custo em escala
- Gratuito para o modelo inglês de 31M. A API hospedada da Gradium, necessária para clonar ou para outros idiomas em uso comercial, custa de $39 por mês por 900.000 caracteres até $1,480 por 45 milhões.
- Limites
- Só inglês no modelo comercial; exceto o modelo de 40M com cinco idiomas, cada modelo fala um idioma; texto longo é dividido por frase; o tokenizador do Transformers não expande números como o runtime.
O que é bom
- 1.114 de Elo na Artificial Analysis, acima do Kokoro com 1.064
- 31M parâmetros, 64,5 MB em 8 bits, roda em CPU e no navegador
- 1,5% de erro em frases difíceis com números e datas
- Pesos e vozes Apache 2.0; runtimes para Android, iOS, web e servidor
O que não é
- O modelo aberto só fala inglês, com vozes fixas
- Clonagem e criação de voz só pela API paga da Gradium
- Os modelos de 40M e os não ingleses são não comerciais
- Sem marca d'água; a prosódia recomeça a cada frase
Ideal para
Fabricantes de apps e dispositivos que precisam de uma voz natural em inglês que rode offline em celulares, notebooks ou no navegador, com licença comercial.
Alternativas ao Gradium Phonon
Gradium Phonon: perguntas frequentes
- Gradium Phonon vale a pena?
- O Phonon 31M é a voz em inglês minúscula para colocar num app hoje: menor que o Kokoro, preferida pelos ouvintes e com licença Apache. Damos nota 4.1 de 5.
- Quanto custa Gradium Phonon?
- O Phonon 31M English é gratuito sob Apache 2.0; os modelos de 40M são CC BY-NC 4.0. A API hospedada da Gradium tem um nível de $0 com 45.000 caracteres por mês, S a $39 por mês e L a $1,480 por mês para 45 milhões de caracteres, com cobrança anual.
- Quais são as desvantagens de Gradium Phonon?
- O modelo aberto só fala inglês, com vozes fixas; clonagem e criação de voz só pela API paga da Gradium; os modelos de 40M e os não ingleses são não comerciais; sem marca d'água; a prosódia recomeça a cada frase.
- Para quem Gradium Phonon é indicado?
- Fabricantes de apps e dispositivos que precisam de uma voz natural em inglês que rode offline em celulares, notebooks ou no navegador, com licença comercial.
- Quanto custa Gradium Phonon para uma equipe ou em produção?
- Gratuito para o modelo inglês de 31M. A API hospedada da Gradium, necessária para clonar ou para outros idiomas em uso comercial, custa de $39 por mês por 900.000 caracteres até $1,480 por 45 milhões.
- Gradium Phonon é seguro para dados da empresa?
- A inferência no dispositivo mantém texto e áudio nele. O modelo aberto não clona; o cartão pede que ninguém se passe por outra pessoa nem clone vozes sem consentimento. Sem marca d'água.
- Quais são as melhores alternativas ao Gradium Phonon?
- As alternativas mais próximas que analisamos são Kokoro-82M, NeuTTS (Air, Nano, 2E), KittenTTS 2 e Chatterbox.
Respostas verificadas em 7 de nov. de 2026.
Você faz o Gradium Phonon? Mostre esta nota no seu site
