Phonon 31M: TTS aberto rodando na Neural Engine da Apple via Swift
Post sobre um port em Swift do modelo TTS aberto Phonon 31M, com CoreML na Neural Engine, 103 vozes e latência e velocidade declaradas pelo autor.
Fonte: Phonon 31M: modelo TTS aberto rodando na Apple Neural Engine em Swift (github.com). Texto preparado com IA a partir dessa fonte.
O que aconteceu e o que fazer
O post apresenta um port em Swift do modelo de text-to-speech aberto Phonon 31M, executado via CoreML na Neural Engine da Apple. Segundo o autor, a implementação traz 103 vozes e um normalizador de texto portado da Gradium, com cerca de 20 ms até o primeiro áudio e cerca de 20x tempo real em um M5 Pro. Código e modelo estão linkados no próprio post.
Para uma empresa com apps ou dispositivos Apple, o caso aponta para síntese de voz totalmente local, sem enviar texto a serviços externos. Na prática, isso pede avaliar se a qualidade, os idiomas e as vozes atendem ao produto, medir latência e consumo em hardware real e definir o pipeline de normalização de texto para números, datas e siglas do domínio. Um piloto pode validar esses pontos antes de qualquer integração em produção.
Como a consultoria pode ajudar
Diagnóstico de onde a voz sintetizada agregaria valor no seu produto Apple e de quais dados sairiam do dispositivo ou ficariam nele. Depois, implementação escopada de um protótipo de TTS local, com benchmark de latência, qualidade e consumo no hardware-alvo, e apoio para operar a atualização de modelos.
Próximo passo
Envie uma breve descrição do seu caso, incluindo plataforma, volume de uso e requisitos de privacidade, e receba uma proposta com escopo, prazos e forma de contratação.
Vamos avaliar seu projeto
Respondo com escopo e proposta.