Gradium, 온디바이스 TTS 모델 Phonon 공개: 영어 31M 버전은 Apache 2.0, 64.5 MB로 오프라인 구동
MarkTechPost가 2026년 10월 22일 보도한 바에 따르면, Gradium은 온디바이스 텍스트-투-스피치(TTS) 모델 패밀리 Phonon을 공개했습니다. 여기에는 31M 파라미터, 64.5 MB q8 가중치의 영어 Phonon 31m가 포함되며 Apache 2.0 라이선스입니다. 제조사 자체 테스트에서 어려운 문장 세트의 WER은 1.70%, MacBook Air M5 CPU에서 첫 오디오 출력까지 6.9 ms가 걸렸습니다.
주요 변화
MarkTechPost가 2026년 10월 22일 보도한 바에 따르면, Kyutai에서 분사한 파리 소재 음성 기업 Gradium이 온디바이스 텍스트-투-스피치(TTS) 모델 패밀리 Phonon을 공개했습니다. 이 패밀리는 세 가지 모델로 구성됩니다. 영어 전용 Phonon 31m은 31M 파라미터(오디오 토크나이저 제외), 64.5 MB q8 GGUF, 24 kHz 모노 출력, 내장 37개 음색을 갖추고 Apache 2.0 라이선스를 사용합니다. 언어별로 독립된 Phonon 40m(영어, 프랑스어, 독일어, 스페인어, 포르투갈어)은 74.6 MB이며, 다섯 언어를 단일 모델에 담고 102개 음색을 제공하는 Phonon 40m 다국어 버전도 있습니다. 후자의 두 모델은 CC BY-NC 4.0 비상업적 라이선스를 사용합니다. 아키텍처 측면에서 Phonon은 인과적 트랜스포머(causal transformer) 백본을 채택하고, 프리픽스에 텍스트와 화자 임베딩을 이어 붙입니다. 4000개 어휘의 SentencePiece 토크나이저로 원시 텍스트를 직접 읽고 음소 변환을 하지 않습니다. 백본은 80 ms 프레임마다 잠재 벡터(latent vector)를 하나씩 출력하고, 플로우 매칭(flow-matching) 헤드가 이를 단일 스텝으로 오디오 임베딩으로 변환한 뒤 Kyutai Mimi 디코더의 축소 변형이 24 kHz PCM을 출력합니다. 별도의 음성 종료 헤드가 정지를 결정합니다. Phonon 31m은 6개 층, 너비 512, 8개 어텐션 헤드를 가지며, 40m은 9개 층에 동일한 너비를 갖습니다. 둘 다 더 큰 Phonon 교사 모델에서 증류되었고, NVIDIA H100 클러스터에서 훈련되었으며, 작업은 Kyutai의 연속 오디오 언어 모델 연구와 Pocket TTS를 기반으로 합니다. 제조사가 공개한 성능 수치는 다음과 같습니다. 1189명의 평가자와 17270회 투표로 진행된 블라인드 테스트에서 미국 영어 Phonon 40m은 2117 Elo, Phonon 31m은 2098, Kokoro는 2043을 기록했습니다. 공개된 어려운 문장 세트(언어별 500문장, 전화번호, 이메일, 우편번호 포함)에서 Phonon 31m의 WER은 1.70%, Kokoro는 3.50%, NeuTTS Nano는 8.71%였습니다. 상대적으로 쉬운 Seed-TTS 세트에서는 격차가 줄어 Phonon 31m의 LLM WER은 0.51%로 오히려 Kokoro의 0.45%보다 약간 높았습니다. 속도 측면에서는 4스레드 MacBook Air M5 CPU에서 첫 오디오가 6.9 ms, 약 29.9배 실시간(Arm KleidiAI와 Apple Accelerate를 함께 사용하면 46.7배)이며, Raspberry Pi 5에서 38 ms 시작, 3.7배 실시간, Snapdragon 8 Elite Gen 5에서 7.5 ms, 24배 실시간, NVIDIA L40S에서 CUDA 5 ms, AMD EPYC 7413 CPU에서 43 ms입니다. 런타임은 MIT 또는 Apache-2.0 라이선스를 사용하며 Rust, Python(pip install ptts), Swift, C, C++, 브라우저(phonon-tts)를 지원하고, OpenAI 호환 서버와 WebSocket 서버를 제공합니다. 모델은 Transformers, MLX-Audio, Ollama, LM Studio에서 로드할 수 있으며, 음성 복제와 음성 디자인은 Gradium Studio에서 완료한 뒤 로컬에서 실행합니다.
개발자에게 미치는 영향
개발자에게 이 소식의 실질적 가치는 영어 TTS를 문자당 과금되는 클라우드 호출에서 애플리케이션과 함께 배포할 수 있는 로컬 컴포넌트로 바꾼다는 점입니다. 31M 파라미터, 64.5 MB q8 가중치의 크기는 비즈니스 코드와 함께 모바일 설치 패키지나 브라우저 리소스에 포함할 수 있음을 의미하며, 네트워크 왕복에 의존하지 않고 GPU 예산도 차지하지 않습니다. 스트리밍 기능은 6.9 ms 수준의 첫 오디오를 제공하여 실시간 대화, 인터랙티브 낭독처럼 첫 글자 지연에 민감한 시나리오를 순수 CPU에서도 가능하게 합니다. 그러나 세 가지에 유의해야 합니다. 첫째, Apache 2.0은 영어 Phonon 31m만 포괄하며, 40m과 40m 다국어 버전은 CC BY-NC 4.0이므로 상업적 제품은 다국어 기능을 동일 라이선스의 무료 확장으로 간주할 수 없습니다. 프랑스어, 독일어 등이 필요하다면 별도 라이선스를 모색하거나 다른 방안을 계속 사용해야 합니다. 둘째, 보도된 Elo, WER, 속도 수치는 모두 Gradium 자체 평가에서 나온 것이며, 평가 세트와 비교 대상은 제조사가 선택했습니다. 어려운 문장 세트에서 WER 1.70% 대 Kokoro 3.50%의 우위는 주로 내장 텍스트 정규화에 기인한 것으로 보이며, 더 일반적인 Seed-TTS 세트에서는 Phonon 31m이 오히려 Kokoro에 약간 뒤처집니다. 이는 우위가 전화번호, 이메일, 우편번호 같은 구조화된 텍스트에 집중되어 있음을 보여주며, 전면적 우위로 일반화해서는 안 됩니다. 셋째, 양자화 크기, 다중 스레드 지연과 처리량은 특정 하드웨어, 스레드 수, 런타임 백엔드에 크게 의존하며, 동일 모델이라도 다른 CPU와 다른 바인딩 방식에서 성능이 뚜렷하게 달라질 수 있습니다. 보도에서 제시된 단일 지점 수치는 규모의 참고로만 사용해야 합니다.
연동 및 평가 제안
다음 두 가지 조건부 의사결정으로 진행할 것을 권합니다. 첫째, 제품의 주된 요구가 영어 오프라인 낭독이고 배포 환경이 CPU 또는 휴대폰이라면, Phonon 31m을 클라우드 TTS 대체 후보로 직접 고려할 것을 권합니다. 먼저 라이선스 범위가 영어 31m에만 적용되는지 확인한 뒤, 대상 기기에서 q8 가중치로 실측하십시오. 평가 기준은 다음과 같이 설정할 수 있습니다. 대상 기종에서 고정 스레드 수로 실제 비즈니스 텍스트 묶음을 실행하고 첫 오디오 지연의 P50과 P95를 측정하여, 기존 클라우드 방안의 종단 간 지연(네트워크 포함)과 비교합니다. P95 첫 오디오가 수용 가능한 임계값에 도달하지 못하면 클라우드 방안으로 회귀합니다. 둘째, 제품에 다국어가 필요하다면 40m 다국어 버전을 비상업적 옵션으로 별도 프로젝트화할 것을 권합니다. 비즈니스 모델이 CC BY-NC를 허용하는지 확인하기 전에는 내부 프로토타입용으로만 사용하십시오. 평가 기준은 다음과 같이 설정할 수 있습니다. 어려운 문장 데이터 세트의 다국어 샘플로 각 언어의 WER과 음색 자연스러움 주관 점수를 비교하고, 동시에 라이선스가 배포 요건을 충족하는지 기록합니다. 둘 중 하나라도 기준에 미달하면 기존 공급사를 유지합니다. 셋째, 어느 경로를 선택하든 먼저 텍스트 정규화 대조 테스트를 할 것을 권합니다. 전화번호, 이메일, 우편번호, 금액 등 구조화된 텍스트를 고정 케이스 세트로 추출하여, 내장 정규화가 있는 Phonon과 자체 전처리가 필요한 방안으로 동일한 텍스트 묶음을 각각 실행하고 오류율을 비교하십시오. 보도가 이 부분을 격차의 주요 원인으로 명확히 지적했기 때문입니다. 자체 정규화가 충분히 좋다면 Phonon의 이 장점은 상쇄되므로, 선택 기준은 지연과 크기로 옮겨가야 합니다. 넷째, 런타임 백엔드도 변수로 평가에 포함할 것을 권합니다. 일반 CPU 경로와 Arm KleidiAI, Apple Accelerate 등 가속 라이브러리를 활성화한 버전을 비교하여, 대상 칩에서 자릿수 수준의 처리량 향상을 재현할 수 있는지 확인하십시오. 재현할 수 없다면 보수적인 값으로 동시성 용량을 계획하고, 셀프 호스팅 시나리오에서 WebSocket과 OpenAI 호환 서버의 운영 비용을 미리 평가하십시오. 이상은 모두 보도에 기반한 권장과 조건부 분석이며, 검증된 사실이 아닙니다.
제한과 확인할 사항
보도된 Elo, WER, 지연 수치는 모두 Gradium의 자체 평가와 보도자료에서 나온 것이며, 평가 세트, 비교 대상, 테스트 조건은 제조사가 선택했고 제3자의 독립적 재현은 없습니다. Seed-TTS 세트에서 Phonon 31m이 오히려 Kokoro에 뒤처진 점도 우위가 조건부임을 보여줍니다. 라이선스 측면에서는 영어 Phonon 31m만 Apache 2.0으로 확인되었고, 40m과 다국어 버전은 CC BY-NC 4.0입니다. 오픈 웨이트가 자유로운 상업적 사용을 의미하지는 않으므로, 선택 전에 각 모델 카드 원문을 확인해야 하며 가중치 다운로드 가능성만으로 라이선스를 추론해서는 안 됩니다. 또한 Phonon 31m과 Phonon 시리즈 전체는 현재 KimiSeek의 실시간 모델 카탈로그에 나타나지 않습니다. 본문에서 인용한 가용성, 라이선스, 성능 정보는 모두 Gradium과 그 보도에서 나온 것이며 KimiSeek 플랫폼과 무관하고, 해당 플랫폼이 이 모델이나 관련 API를 제공한다는 의미도 아닙니다. 각 사의 가격과 라이선스 조건은 시간이 지나면 달라질 수 있으므로, 발행자와 플랫폼의 최신 페이지를 기준으로 삼으십시오.