AIToday
音声・スピーチZenn AI/ML掲載日時: 2026年11月20日 16:00

104MBの音声合成モデル、英語は数秒で生成

LINEで送る
104MBの音声合成モデル、英語は数秒で生成

3つのポイント

  1. 何が起きたか

    phonon:31m-enを試したところ、英語の短文音声が0.2〜0.3秒、長文(約17.4〜17.8秒)の音声が0.6〜0.8秒で生成され、メモリ使用量は約90〜126MBだった。

  2. なぜ重要か

    音声の長さの20分の1未満で生成でき、この104MBのダウンロードで専用ハードなしにノートPCで英語を読み上げられる。ただし業務利用に必要なApache 2.0ライセンスは英語31Mタグのみ。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

phononはOllamaで複数のタグが提供され、英語31M版が104MB、多言語版と40M系は125MB〜148MB。試した人は明示的なphonon:31m-enタグを選んだが、これがApache 2.0の唯一のタグでもある。40M系はCC BY-NC 4.0で非商用に限られる。メモリ16GBのApple M4では、ダウンロードとメモリ使用量は約100MBにとどまり、英語生成は常にリアルタイムより速く、短文は0.2〜0.3秒、長文は0.6〜0.8秒で完了した。一方、日本語のテストでは長さがばらつく音声とノイズが出力され、モデルページの言語一覧に日本語がないことと一致する。ローカル音声合成を検討するチームにとって、実用上の分け目は明確だ。英語31Mが業務ライセンス付きの実用選択肢である一方、より広い言語対応は非商用のままとなる。

よくある質問
phononにはどのライセンスが適用されるか?
英語31M版のみApache 2.0で、40M系はすべてCC BY-NC 4.0のため非商用利用に限られる。
phononが対応する言語は?
モデルページには英語、フランス語、ドイツ語、スペイン語、ポルトガル語が記載されており、日本語は非対応。
Macで必要なハードウェアとソフトウェアは?
Apple SiliconとOllama 0.40.9以降が必要。試した人はApple M4(メモリ16GB)とOllama 0.40.16を使用した。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へAppleが自律型AIエージェント開発のエンジニア募集