英文導覽臨時改稿後，語音也能在現場裝置重新生成。Gradium 10 月 20 日開放 Phonon 模型權重與推論程式，讓文字轉語音可在使用者的手機、電腦或瀏覽器內執行。對台灣需要英文解說、又希望斷網仍能出聲的團隊，這次多了一條可以自己整合的路；現場部署前，模型與指定聲音檔都要先備妥。
這是一組文字轉語音模型，負責把已經寫好的內容念出來。英文 31M 版可依 Apache 2.0 授權用於商業產品；若主要工作仍是中文旁白，現階段應繼續從 AI 配音工具比較挑選，Phonon 的公開語言沒有中文。
文字在現場改，聲音也能在現場生成
英文版模型卡列出 3,100 萬參數，不含音訊分詞器；8 位元量化權重檔為 64.5 MB。這是模型檔案大小，應用程式仍需搭配文字處理、聲音檔與執行環境。開發者能取得權重，並用官方程式把朗讀放進自己的產品。
Phonon 支援邊生成邊播放，後面的句子還沒處理完，前面的聲音就能先送出。官方瀏覽器文件也交代了下載過程：初次載入會取得模型檔，之後保存在瀏覽器快取；選用的新聲音則可能到第一次使用時才下載。因此，現場要離線使用，必須連同會用到的聲音與應用程式資源預先準備，不能到了無網路的地方才第一次開啟。
假設台灣展場做一套英文產品導覽，原本已審好的介紹需要依展區切換，開放時段又臨時調整。團隊可以把核定文字交給本機朗讀，讓更新內容跟著現場資料走；不必為每種排列都預先錄一段完整音檔。這是文字會變動的互動解說用途，固定影片旁白則仍要完成校聽、分段與混音，可接著看 AI 配音製作指南。
這條路也把工作交還給產品團隊：要有人負責文字版本、斷網啟動與播放體驗。模型卡提醒，長文會切句依序念，語調不會跨越整篇延續；單句能朗讀，不代表一篇長敘事就自然。若只是替一支固定短片補旁白，原有配音編輯器通常更省整合工作。
聲音先製作，再帶進裝置
這次釋出把「哪一種聲音」與「今天要念什麼」分開處理。官方推論程式說明顯示，使用者可以在 Gradium Studio 設計聲音，或以取得本人同意的錄音建立自訂聲音，再下載成聲音檔。檔案放進 Phonon 後，新的文稿就能在裝置內合成。
所以，離線生成語音不等於離線建立聲音。官方列出的自訂流程仍會用到 Studio 或 API；瀏覽器套件本身也不提供從錄音克隆聲音。希望固定品牌聲線的團隊，可以把聲音檔與文稿分開保存，讓同一個聲音持續讀出新內容。
版本選擇則要分清楚。五語版模型卡列出的英、法、德、西、葡語使用同一組 40M 權重；40M 也有各語言分開的版本。這些版本採 CC BY-NC 4.0，官方要求商用另洽 Gradium。英文 31M 版的 Apache 2.0，不能直接套用到整個系列或另外取得的聲音素材。
我的判斷是，Phonon 這次最值得看的，是把可更新的英文語音做成產品內的一項能力。 台灣展場、離線教材或英文互動原型若正好有這個需求，才值得評估整合；不建議只因模型小、權重公開，就拿它取代既有中文配音流程。
團隊可減少持續呼叫雲端合成的依賴，硬體、維護與內容校對仍要有人處理；更完整的取捨可參考 地端 AI 的成本與用途。
常見問題
Phonon 目前支援中文嗎？
不支援。公開的 31M 版只支援英文；40M 單語及五語版涵蓋英文、法文、德文、西班牙文與葡萄牙文。模型卡提醒，其他語言會出現錯誤發音，不能把五語版當成中文配音方案。
哪個版本可以商用？
英文 phonon-31m-en 儲存庫的權重、分詞器與內含聲音採 Apache 2.0，可依該授權商用。40M 單語和五語版採 CC BY-NC 4.0，不提供同樣的商用許可；官方要求商用另洽 Gradium。另行取得的聲音素材需按其條件處理。
聲音克隆也能完全離線嗎？
官方公開的流程是先經 Gradium Studio 或 API 建立自訂聲音，再下載聲音檔供 Phonon 本機合成。瀏覽器套件不提供從錄音克隆聲音；模型與所用聲音備妥後的離線朗讀，不能等同整個聲音製作流程都離線。
參考來源
- Gradium：Open-Sourcing Phonon: A Suite of Frontier On-Device TTS Models（2026-10-20）
- Gradium 模型卡：phonon-31m English（未標發布日，2026-10-23 查核）
- Gradium 模型卡：phonon-40m Multilingual（未標發布日，2026-10-23 查核）
- Gradium 官方儲存庫：Phonon TTS inference using xn（未標發布日，2026-10-23 查核）
- Gradium 瀏覽器套件文件：phonon-tts（未標發布日，2026-10-23 查核）
- Gradium 官方模型檔：model.q8.gguf（未標發布日，2026-10-23 查核檔案大小）