Phonon dà una voce senza cloud anche ai dispositivi piccoli

Un’app che legge ad alta voce può funzionare anche senza rete, senza mandare il testo a un server. Phonon, la famiglia di modelli di Gradium per trasformare testo in voce, è abbastanza piccola da girare sul telefono, sul computer o su una scheda come Raspberry Pi. I file dei pesi quantizzati delle due taglie occupano circa 65 e 75 MB: non sono una misura della memoria totale richiesta dall’applicazione.

L’approfondimento del 5 novembre su Hugging Face racconta i modelli aperti in ottobre. Phonon discende da Pocket TTS e genera l’audio in piccoli blocchi, così può iniziare a riprodurlo mentre produce il resto della frase. Il motore ptts permette di eseguirlo su CPU e diversi acceleratori, anche dentro una scheda del browser.

Fra le demo presentate da Gradium ci sono un Apple Watch che guida la preparazione del caffè con il Wi-Fi spento e un iPhone che conta le ripetizioni senza segnale. La sintesi avviene sul dispositivo: una lettura o un’istruzione vocale non deve attendere il viaggio del testo fino al cloud e il ritorno dell’audio.

Le condizioni cambiano con la versione. Phonon 31m parla solo inglese ed è Apache 2.0, utilizzabile anche in prodotti commerciali. Il 40m multilingue copre inglese, francese, tedesco, spagnolo e portoghese, senza italiano, ed è CC BY-NC: per un prodotto commerciale serve un accordo separato con Gradium. Le voci personalizzate si creano o si clonano attraverso Gradium Studio; il file risultante si può poi scaricare e usare in locale.