Phonon 端側 TTS 發布：最小 65MB，德語西語可懂度登頂 HF 榜
Phonon 是一款完全在本地執行的端側 TTS 模型，最小規格約 65MB，無需聯網與伺服器，發布兩週下載量已超 20 萬次。它分為 31m（英語，Apache 2.0 可商用）與 40m（英法德西葡五語，CC BY-NC 非商用），內建 100 多種音色並支援聲音克隆與音色設計。在 Hugging Face Open TTS 榜單上，其德語、西班牙語可懂度排名第一，所評測語言均進前三，CPU 流式首包延遲也居首。
65MB 的小模型在 HF Open TTS 榜單拿下德語、西語可懂度第一與 CPU 首包延遲第一，且 31m 權重為 Apache 2.0 可商用，對做離線端側語音的開發者參考價值最大。
原標題：A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.
閱讀原文
| 評分 | 68 / 72（平均 70，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
Ollama 上線語音模型，首發 Phonon 文字轉語音
Ollama 0.40.11 起可直接執行語音模型，首個是 Gradium 的文字轉語音模型 Phonon，目前僅支援 Apple Silicon 的 Mac，Windows 與 Linux 稍後推出。在 M5 Max 的 MacBook Pro 上，其速度比 Gradium 自家執行時快 35%，詞錯率與 Hugging Face Transformers 參考實現持平；可用 --voice 選音色，另有法、德、西、葡等 40M 多語言版本。
Hurston-1 開源 TTS 發布，擅長美國南方與地區非裔英語口音
Hurston-1 以 Apache-2.0 協議開源，這是一個基於 Maya1 微調的窄帶 TTS 模型，主攻美國英語，尤其是南方口音與地區非裔英語，輸出面向電話場景。作者從 2 萬多人處收集了 1800 小時授權語音，本次只取其中 136 小時用於微調。據作者說明，該模型不支援聲音克隆，跨 prompt 的音色也無法保持一致；它已用於 Amazon、Salesforce 等客戶，累計帶來超過 50 萬美元收入。
llama.cpp 支援 Pocket TTS 預置音色，無需音色克隆
llama.cpp 建置 b12061 為 Kyutai 的 pocket-tts 模型加入免克隆的預置音色支援，使用者不必提供參考音訊即可選音色。轉換指令碼把官方權重中的音色狀態還原成提示嵌入並寫入 mmproj，服務端在 GET /props 的 voices 欄位列出可用音色，/tts 的 voice 欄位與 --tts-voice 引數用於選擇。未指定音色時預設取第一個預置音色，否則輸出近乎靜音；
Ollama v0.40.9：Flint 現已支援 Linux 與 Windows
Ollama 發布 v0.40.9，原本只能在 macOS 上執行的 Flint 現在也支援 Linux 和 Windows。流式 OpenAI Responses 與 Anthropic Messages 請求中途出錯時會明確報告生成失敗，不再在部分輸出後靜默結束；ollama launch 現在會把雲端模型的上下文長度與能力傳給 coding 工具，修正上下文與壓縮設定。
Ollama 本地模型新增 Nemotron-3.5 與 Phonon TTS
Ollama 公布過去兩週的模型更新，本地端新增 Nemotron-3.5-bolt、Nemotron-3.5-super、Bonsai-2、EmbeddingGemma-2、Flint，以及文字轉語音模型 Phonon。雲端上線 Beam（限時免費）、Muse-spark-open、MiniMax-m3.1-flash、Mistral-large-4、DeepSeek-v4.1-flash:1017 和 Clef。