歐洲AI絕地翻身有轉機？法國新創公司免費開源超輕量AI語音模型Phonon：僅64MB、0.007秒極速擬真發聲

當全球生成式 AI 戰場被美國矽谷巨頭與中國開源生態牢牢主登時，長年被嘲諷「在 AI 領域嚴重落後、只懂立法規管」的歐洲，正在法國巴黎悄悄開闢一條截然不同的突圍路徑。雖然新的法國公司AI語音生成大模型仍未支援普通話及廣東話，卻已向世界證明了法國人絕不是只懂藝術、名牌手袋及名酒，法國也可以研發「多快好省」的AI，為歐洲追趕世界AI潮流行出了重要一步。

面對中美兩國動輒數萬張 H100 晶片、燃燒數十億美元算力的「大力出奇蹟」打法，歐洲在超大規模語言模型（LLM）的軍備競賽上確實已近乎完敗。然而，源自法國頂尖開源實驗室 Kyutai 的 AI 語音新創公司 Gradium，近日卻以一款僅 64.5MB 的超輕量端側（On-device）語音模型 Phonon，在開源界投下一枚震撼彈——它不依賴任何雲端算力，直接在手機晶片或電腦本地離線運行，只需 0.007 秒（7 毫秒） 即可極速輸出媲美真人的高清語音。

告別「雲端轉一圈」：為什麼以前的手機語音總是慢半拍？

平時我們用手機的語音功能，背後的運作邏輯通常是：手機收音 ➔ 經網路上傳到海外雲端伺服器 ➔ 伺服器運算生成聲音 ➔ 再經網路下載回手機播放。

這條「來回折返跑」的路徑，只要遇上網路塞車或訊號微弱，聲音就會嚴重卡頓，甚至直接回報連線錯誤。此外，傳統開源的語音合成模型往往動輒數百 MB 甚至數 GB，需要安裝肥大的運算框架（如 PyTorch），一般的智慧型手機根本吃不消。

Gradium 開發的 Phonon 正是為了解決這個工程死穴。研發團隊直接捨棄了笨重的第三方機器學習框架，改用執行效能極高、記憶體管理嚴密的 Rust 語言重寫底層推論引擎（xn-ptts）。這意味著它不需要任何複雜環境配置，就能像一個輕巧的本地原生外掛程式，安靜且高效地常駐在設備當中。

只有 64MB 的「微型聲帶」：小巧到能塞進瀏覽器分頁

Phonon 最令人驚艷的突破在於其極致的「身材管理」。官方推出了兩種超輕量尺寸，不過開發者在應用時需要特別留意其授權協議與語言限制：

• Phonon 31m（英文版）： 模型參數量僅 3,100 萬，經 8-bit 量化後，模型檔案只有 64.5 MB。此版本以最寬鬆的 Apache 2.0 協議完全開源，連商業應用亦無限制，是獨立開發者的免費福音。

• Phonon 40m（多語言版）： 檔案大小約 74.6 MB，支援英文、法文、德文、西班牙文及葡萄牙文五種語言。但必須注意的是，此版本採用 CC BY-NC（非商業性使用）授權，若計劃放入收費產品中，須向官方洽談商用授權。

⚠️ 亞洲用戶備忘： 目前 Phonon 的所有版本皆尚未支援中文（包括廣東話與普通話）。本地開發者目前主要能將其應用於英文學習、英語系導航或外語翻譯的本地端輸出。

這個微小的體型意味著什麼？開發者可以直接將它打包進任何 iOS 或 Android App 內部；甚至連用戶打開 Chrome 或 Safari 瀏覽器的一個分頁，都能在數秒內將模型下載至瀏覽器快取中，直接在網頁端發聲，過程中完全不需要後端伺服器支援！

0.007 秒極速反應：未講完第一句，聲音已經播緊

很多用過舊款離線語音合成的人，最深的印象就是「機械音濃重」而且「要等很久」。以往開源圈知名的語音模型（如 Kokoro 82M），必須把整句話完整運算完畢，才能輸出音檔，導致首字發聲延遲往往高達 700 毫秒以上。

Phonon 採用了類似人類說話的「邊想邊講」（Frame-by-frame Streaming）機制：

1. 毫秒級即時串流： 模型每運算完 80 毫秒的語音單元，就即時向耳機或揚聲器推送音訊，無須等待整篇文字處理完畢。
2. 首字發聲時間（TTFB）低於 20 毫秒： 在配備 Apple Silicon 晶片的設備上反應極快。以 MacBook Air 為例，單核運算下僅需 7 毫秒（0.007 秒）就開始輸出語音，生成速度比真人說話快 20 倍；即使在 iPhone 的神經網絡引擎（NPU）上運行，延遲亦只有 9 至 12 毫秒。

在包含 8,000 多票的人類雙盲聽力測試（Elo 評分）中，Phonon 31m 的字詞錯誤率（WER）僅為 1.70%（遠低於同類模型 Kokoro 的 3.50%），發音自然圓潤，徹底洗脫傳統離線電子語音的「機械味」。

🛠️ 玩家與開發者指南：如何免費下載與實測？

如果你想立刻體驗這款超輕量語音模型的威力，官方與開源社群已經提供了多種免安裝與本地部署的渠道：

1. 網頁端即時免費用（最簡單）

Grdaum 官方在 Hug義 Face 上建立了一個展示空間，任何人都可以直接在網頁上測試其發音與極速串流的效果。

• 線上實測傳送門：https://huggingface.co/spaces/gradium/phonon
• 開源模型下載網址：https://huggingface.co/gradium（可在此下載包含 31m 與 40m 的完整模型權重）

2. 想在自己的 iPhone 或 Mac 上運行？

針對 Apple 生態系，Phonon 透過 Swift Package 原生支援 Core ML，完美調用 iPhone、iPad 與 Mac 的神經網絡加速引擎（Neural Engine）。

• 懶人包與技術指南： 如果你想將它打包進 iOS 專案或在 local 執行，請參考官方在 GitHub 開源的底層推論庫：GitHub - gradium-ai/xn-ptts。內有針對 iOS（Swift）和 macOS（Homebrew / brew install gradium-ai/tap/ptts）的詳細安裝與運行指南。

• 在地端生態整合： 此外，如果你平常有使用開源大型語言模型工具，Phonon 目前也已整合至知名工具 LM Studio（驅動 Bionic 的 Read Aloud 功能）與 Ollama 中，讓你實現「本地 LLM 思考 + 本地 Phonon 發聲」的 100% 離線隱私對話！

離線 AI 革命：守護隱私，釋放個人開發者生產力

Phonon 的開源不僅僅代表著一項技術指標的突破，更揭示了 AI 應用正在從「過度迷信雲端大模型」向「高效率端側邊緣運算（Edge AI）」轉移的趨勢。

對於一般用戶而言，未來的隨身英文翻譯耳機、英語視覺輔助閱讀工具、車載系統或離線運動教練，將不再因為走進隧道或地下商場而突然失效，個人的對話紀錄也不會成為雲端數據庫的訓練養料；對於獨立開發者（Indie Hackers）與新創團隊來說，整合高品質語音功能不再需要按月向雲端供應商支付高昂的 API 調用帳單。一個僅 64MB 的本地模型，或許將帶領大家進入「不插線、不連網」的高品質擬真語音時代。