--- title: "🧪 64MB 超輕量 phonon-31m-en 盲測打敗 Kokoro｜地端 AI 實驗室" description: "想在自己的筆電或瀏覽器上跑流暢的英文語音合成嗎？最新開源的 phonon-31m-en 僅有 31M 參數，量化後只要 64.5 MB，官方盲測成績竟然超越了知名模型 Kokoro。本期還會分享能塞進單張顯卡的 28B 思考模型，以及下載量破 78 萬的 ComfyUI 專用影片生成神兵，究竟該怎麼在本地部署，等一下告訴你。" canonical_url: "https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-10-27" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-10-27T02:00:00.000Z" category: "地端 AI 實驗室" tags: ["local-ai", "podcast", "地端模型", "lora", "開源模型", "phonon-31m-en", "Raon-1-mini-preview", "Minimax-h3_Singularity"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 🧪 64MB 超輕量 phonon-31m-en 盲測打敗 Kokoro｜地端 AI 實驗室 想在自己的筆電或瀏覽器上跑流暢的英文語音合成嗎？最新開源的 phonon-31m-en 僅有 31M 參數，量化後只要 64.5 MB，官方盲測成績竟然超越了知名模型 Kokoro。本期還會分享能塞進單張顯卡的 28B 思考模型，以及下載量破 78 萬的 ComfyUI 專用影片生成神兵，究竟該怎麼在本地部署，等一下告訴你。 --- ## 本期精選 ### 1. gradium/phonon-31m-en：極致輕量的 24 kHz 地端語音合成模型 - **這是什麼**: 這是一款採用 Apache 2.0 授權的超輕量文字轉語音（TTS）模型，僅有 31M 參數，專為高效率地端語音生成而設計。 - **能用在哪些場景**: - **獨立且隱私的地端智慧家居語音助理**：在不聯網的情況下，即時將系統狀態或智慧家居通知轉為流暢的 24 kHz 英文語音，完全不用擔心私密對話被上傳至雲端。 - **離線遊戲與互動式應用 NPC**：利用其流式傳輸（streaming）特性，一邊生成音訊一邊即時播放，徹底消除雲端 API 的網路延遲，讓遊戲內 NPC 的對話反應更加即時、自然。 - **地端無障礙語音提示**：整合至 Home Assistant 或作為相容 OpenAI API 的地端語音伺服器，為視障使用者提供極速、低延遲的螢幕閱讀與無障礙語音提示。 - **跑得動嗎**: 官方 model card 標示，該模型足夠輕量，可直接在瀏覽器分頁、手機或筆記型電腦的 CPU 上運行。8-bit 量化權重檔（model.q8.gguf）僅需 64.5 MB。可用格式包括 gguf 與 safetensors。 - **本期聲量**: 在 Hugging Face 上獲得 112 熱度，目前累積了 39.5k 次下載與 115 個讚。 - **跟同類比**: 根據官方 model card 提供的盲測兩兩對比（Elo）與困難句字錯率（Hard set LLM WER）基準測試，phonon-31m-en 在 Elo 評分（2098 分）與字錯率（1.5%）上，均超越了同類知名開源模型 Kokoro（Elo 2043 分、WER 3.5%）與 Magpie（Elo 1939 分、WER 28%）。 - **怎麼取得**: 官方說明指出，可透過 Python 的 `ptts` 函式庫載入。先執行 `pip install ptts`，再使用 `tts = ptts.TTS("hf://gradium/phonon-31m-en", lang="en", quant="q8")` 進行初始化與語音生成。 - **連結**: [Hugging Face 頁面連結](https://huggingface.co/gradium/phonon-31m-en) --- ### 2. KRAFTON/Raon-1-mini-preview：支援超長文本與思考模式的 MoE 推論模型 - **這是什麼**: 這是由 KRAFTON 推出、採用 Apache 2.0 授權的 28.8B 混合專家（MoE）架構模型。雖然參數量達 28.8B，但單個 token 僅需 4.3B 活化參數，並具備極致的 KV Cache 優化。 - **能用在哪些場景**: - **本地 Agent 與自動化開發**：開發者可在本地使用 Hermes Agent、Pi 或 OpenCode 等 Agent 框架，透過相容 OpenAI 的 API 呼叫 Raon-1 mini 進行複雜的工具調用（Tool Calling）與自動化程式碼編寫。 - **單卡本地複雜推論**：在消費級顯示卡（如單張 RTX 5090）或 Apple Silicon 晶片上，利用其內建的「思考模式（thinking mode）」與高達 262,144 token 的長文本支持，進行本地的複雜數學與科學推論。 - **超高速推論輸出**：搭配官方釋出的 DFlash2 輕量草稿模型（draft model）進行投機解碼（Speculative Decoding），在本地 GPU 上實現高達 2 倍以上的超高速推論輸出。 - **跑得動嗎**: 官方 README 標示，其混合專家架構中僅有 7 層 MLA 層保留 KV Cache（在 BF16 精度下，每 token 僅需約 8 KiB）。官方提供 MXFP8 與 NVFP4 量化版本，其中 NVFP4 版本允許在單張 NVIDIA RTX 5090（32 GB VRAM）上進行推論。同時也提供 GGUF（Q4_K_M）與 MLX 版本，對 llama.cpp 與 MLX 有原生支援。 - **本期聲量**: 在 Hugging Face 上獲得 185 熱度，目前有 1.4k 次下載與 200 個讚。 - **跟同類比**: 根據官方 README 測試，在 MoE 基準模型對比中（包含 Qwen3.6-35B-A3B 與 Gemma 4 26B-A4B），Raon-1 mini preview 在 MMLU Pro（76.5）、GPQA Diamond（84.3）及 IFBench（84.2）等知識與推論測試中均取得了最佳成績。 - **怎麼取得**: 官方說明指出，該模型庫目前為 gated 狀態，需先在 Hugging Face 頁面申請自動授權，再使用 llama.cpp 執行：`./build/bin/llama-cli -hf KRAFTON/Raon-1-mini-preview-gguf:Q4_K_M --ctx-size 262144 --reasoning on`。 - **連結**: [Hugging Face 頁面連結](https://huggingface.co/KRAFTON/Raon-1-mini-preview) --- ### 3. WarmBloodAban/Minimax-h3_Singularity：極致流暢的 ComfyUI 專用影片生成微調模型 - **這是什麼**: 這是一款基於 MiniMax-H3 基礎模型進行微調與融合的 ComfyUI 專用影片生成模型，採用 Apache 2.0 授權，專為熱愛自架地端創作的工程師設計。 - **能用在哪些場景**: - **高動態戰鬥影片生成**：創作者在本地 ComfyUI 中，利用 Image-to-Video（I2V）工作流，將靜態的高動態範圍（HDR）圖片轉化為流暢、無運動模糊的高速武打或刀劍戰鬥影片。 - **中遠景鏡頭面部修復**：影片後製人員在進行中遠景鏡頭生成時，利用其「遠景面部修復（Distant Face Restoration）」特性，避免生成影片中的角色面部出現扭曲或結構崩塌。 - **遊戲美術動態素材**：遊戲美術設計師利用其對奇幻特效（VFX）的優化，在本地快速生成帶有魔法光環、粒子特效或法術釋放的動態素材。 - **跑得動嗎**: 官方釋出了 V2 INT8 量化版本。為了實現高速生成，官方推薦搭配使用 `minimax_h3_ref2v_turbo_4step_v0.1` 加速 LoRA，即可實現僅需 4 步（4-step）的快速推論。 - **本期聲量**: 在 Hugging Face 上獲得 127 熱度，累積了高達 783.2k 次下載與 916 個讚，深受社群創作者喜愛。 - **跟同類比**: 根據作者在 model card 中的說明，該模型是基於 MiniMax-H3 基礎模型，融合了 ref、fl、b25-49 等多個關鍵微調節點，並經過 3 整天的精準剪枝與權重優化。相比原版 MiniMax-H3，它大幅減少了皮膚過度油亮與不自然的光澤，且修復了 V1 版本中音訊參考制約（Audio Reference Conditioning）失效的問題。 - **怎麼取得**: 官方說明指出，下載權重後可直接放入 ComfyUI 的對應模型資料夾中，並支援 Text-to-Video、Image-to-Video、Reference-to-Video 及 Video-to-Video 等多種工作流。 - **連結**: [Hugging Face 頁面連結](https://huggingface.co/WarmBloodAban/Minimax-h3_Singularity) --- ## 結尾段落 從今天介紹的模型來看，地端 AI 的趨勢已經朝向極致的輕量化與專用化發展，不論是 64MB 就能跑的語音合成，還是優化到極致、能塞進單卡的 28B 思考模型，都讓地端部署變得更加親民。如果你手邊有閒置的硬體，不妨先從最不佔空間的 phonon-31m-en 開始玩起，我們下集再見。 --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-10-27) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — 軟體工程師 - 10 年以上軟體工程師 - 做過北美電商與 AI SaaS 訂閱收費系統 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸、結構與資料比對（同步 SQL、結構快照）、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、執行前 AI 審查並逐句備份的「審查並執行」（自動產生回滾腳本）、Kafka 訊息瀏覽與監控告警、SSH 終端機與 SFTP / FTP、Docker / Kubernetes、遠端桌面（RDP / VNC / RustDesk）、檔案 / 資料夾比對、預存程序整合測試；六種介面語言，內建 AI 助手（本機 CLI 或 Anthropic / OpenAI 相容 API，自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附監控與叢集管理 RESTful API，一行 Docker Compose 啟動。免費開源（MIT）。 - [AI Podcast Cut 音檔剪輯](https://blog.markkulab.net/tools/ai-podcast-cut): 丟進一段錄音，AI 幫你剪掉「嗯、呃、那個」與講到一半重講的片段，平衡逐段音量，並派第二個 agent 覆核每一刀。辨識與去人聲都在你自己的電腦上跑，不上傳、不需要金鑰。剪點會貼齊字邊界與零交越、每一刀都有漸弱漸強，句尾還留得住呼吸感。Windows / macOS / Linux 桌面應用，MIT 開源，Windows 安裝檔內建 ffmpeg。 - [AI Video Cut 影片剪輯](https://blog.markkulab.net/tools/ai-video-cut): 在影片裡選一個東西：打字（人臉、車牌、手機螢幕、logo）、手動點選或拖框，或交給 Claude Code / Codex 挑。AI Video Cut 會逐幀追蹤它，再幫你打馬賽克或模糊、調色、加跟著走的貼紙與文字、把螢幕或海報換成你的圖片或影片，甚至用其他幀拍到的背景把它移除。另有序列剪輯、本機字幕與 AI 助手。免費開源（MIT）的 Windows 桌面應用（macOS / Linux 實驗中），本機運行，影片不上傳。 - [open-pos 開源餐飲 POS](https://blog.markkulab.net/tools/open-pos): 一台電腦加一台出單機就能開店。資料存在自己的硬碟裡、沒有月租、沒有綁約，MIT 全開源。金額用整數元依營業稅法拆算稅額，銷售額加稅額恆等於總額；出單走網路型 ESC/POS（TCP 9100），不必裝廠商驅動。Tauri + Rust + SQLite 桌面應用，v1.0 開發中。 - [.NET 電商 API 架構範本](https://blog.markkulab.net/tools/dotnet-ecommerce-api): 以 .NET 10 打造的電商平台後端 API 架構範本：Controller → Service → Repository 分層、Autofac 依命名慣例自動註冊、SqlSugar 支援 MySQL / MariaDB 與 SQL Server、Redis 快取與訊息佇列、Hangfire 排程、JWT 認證，內建可擴充的金流 Provider 模組（綠界 ECPay、藍新 Newebpay）。Apache 2.0 開源。 - [Open Token Monitor 團隊 AI 用量監控](https://blog.markkulab.net/tools/open-token-monitor): 把每位員工電腦上 AI coding 工具的 token 用量與等值成本集中到公司自架的 hub：PostgreSQL、組織名單、依公司與部門比較的 dashboard、報表 API。員工端有 Electron 與 Rust/Tauri 兩種，每 30 分鐘自動上傳。MIT 開源，Docker 一行起。 - [AI 資安監控 ai-security-monitor](https://blog.markkulab.net/tools/ai-security-monitor): Rust 寫的單一執行檔 ai-security-monitor 裝在電腦或伺服器上，抓出異常連線、用 26 個公開威脅情資來源判定安全／可疑／危險，檢查防火牆、開放 port、漏洞與 60 條系統硬化；Security Hub 集中看整個車隊，Claude Code／Codex 用白話解讀。MIT 開源、免費、自架。 ### 每日 Podcast - [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml - [開源好物日報](https://blog.markkulab.net/category/open-source-weekly): 每天從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml - [AI 運動日報](https://blog.markkulab.net/category/sports-weekly): 每天以雙人對話聊 NBA、MLB 與國際體壇大事，台灣球迷視角，輕鬆有梗不酸人。 — RSS: https://blog.markkulab.net/sports-weekly/feed.xml - [AI 國際新聞快報](https://blog.markkulab.net/category/world-news): 每天早上以雙人對話把過去一天的國際大事講白：政治外交、全球經濟、衝突與安全、災害與氣候，台灣視角、中立客觀、每則附出處。 — RSS: https://blog.markkulab.net/world-news/feed.xml - [地端 AI 實驗室](https://blog.markkulab.net/category/local-ai-lab): 每天精選可以下載到自己機器上跑的開源模型與 LoRA，用雙人對話講清楚能用在哪些場景、你的顯卡跑不跑得動、跟同類差在哪，規格一律引述官方 model card。 — RSS: https://blog.markkulab.net/local-ai-lab/feed.xml - [AI 行銷日報](https://blog.markkulab.net/category/ai-marketing): 每天以雙人對話整理最新 AI 在行銷、廣告、SEO／GEO 與內容行銷的大事，實戰視角、不業配、每則附出處。 — RSS: https://blog.markkulab.net/ai-marketing/feed.xml - [AI 資安日報](https://blog.markkulab.net/category/ai-security): 每天以雙人對話整理最新 AI 與資安交會的大事：LLM 與 AI agent 漏洞、prompt injection、模型供應鏈、攻擊者怎麼用 AI，防禦視角、每則附出處。 — RSS: https://blog.markkulab.net/ai-security/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。