待验证50% 置信观点精确时间

31M 参数、64 MB 的规模意味着声码器与嵌入表经过了显著压缩，可能采用了参数量化（如 int8）、知识蒸馏或轻量声码器方案。

1

来源数

50%

置信度

长期有效

时效性

2026/10/22

首次发现

来源

Gradium开源Phonon：31M参数端侧TTS模型

涉及实体

相关事实

已验证32B参数规模的模型在量化后通常可以压缩到约16-20GB显存占用，一张NVIDIA RTX 4090（24GB显存）就能运行73% 相似待验证d1-omni-600M模型约5.87亿参数，基于小型双向编码器，增加视觉和音频编码器，支持文本加图像或文本加最长30秒音频，Liquid称其为早期研究版本。73% 相似待验证双编码器通常将语义压缩为768维向量，该数字来源于BERT-base的隐藏层大小，工业部署中常压缩到128或256维72% 相似待验证量化将FP32权重转为INT8或FP16，在保持音质前提下减少计算量和内存带宽压力72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1086613

API

curl https://kongchang.com/api/v1/knowledge/claims/1086613

MCP

get_claim(id=1086613)