ZONOS3-Mini

ZONOS3-Mini est un modèle open source de synthèse vocale (text-to-speech) de Zyphra, dont le nombre de paramètres actifs est officiellement d'environ 1 millions, et qui peut fonctionner en temps réel sur smartphones, ordinateurs portables et navigateurs. Il permet de cloner une voix à partir d'un extrait audio, de concevoir des voix de personnages selon l'âge, l'accent et la qualité sonore, et de contrôler l'émotion et le débit mot par mot ; la normalisation du texte couvre l'anglais, le chinois, le japonais, le coréen, l'allemand, l'espagnol, le français, l'italien, le portugais, etc. Les poids sont publiés sous licence Apache 2.0, avec des fragments GGUF et WebGPU fournis.

ZONOS3-Mini est un modèle open source de synthèse vocale (text-to-speech) de Zyphra, dont le nombre de paramètres actifs est officiellement d'environ 1 millions, et qui peut fonctionner en temps réel sur smartphones, ordinateurs portables et navigateurs. Il permet de cloner une voix à partir d'un extrait audio, de concevoir des voix de personnages selon l'âge, l'accent et la qualité sonore, et de contrôler l'émotion et le débit mot par mot ; la normalisation du texte couvre l'anglais, le chinois, le japonais, le coréen, l'allemand, l'espagnol, le français, l'italien, le portugais, etc. Les poids sont publiés sous licence Apache 2.0, avec des fragments GGUF et WebGPU fournis.

Pourquoi c'est important La licence Apache permet l'usage commercial, et des méthodes d'exécution prêtes à l'emploi existent pour WebGPU dans le navigateur, MLX, ggml et SGLang, ce qui abaisse la barrière d'entrée pour le doublage, la narration et les assistants vocaux.

J'aime Hugging Face 13 · Score de montée Hugging Face 13 · Téléchargements Hugging Face 0

Licence : usage commercial autorisé · ComfyUI : non disponible · VRAM : ≈1 GB (estimation)

Raisons

  • Classement des montées text-to-speech sur Hugging Face
  • Note 52 (fraîcheur 15 / source 5 / popularité 4 / comfy 0 / vram 13 / démo 5 / licence 10)

Utilisation

  • Navigateur : ouvrez la page officielle Zonos Voice Studio ou Lite, exécutez localement via WebGPU ; le modèle est téléchargé et mis en cache lors de la première visite
  • Serveur : lancez avec sgl-omni serve de SGLang-Omni, en utilisant l'interface compatible OpenAI /v1/audio/speech ; pour les puces Apple et le CPU, utilisez les runtimes MLX et ggml du dépôt officiel

Risques

  • Les résultats et les évaluations proviennent du blog officiel et n'ont pas été vérifiés de manière indépendante ; la qualité de la prononciation en chinois n'est pas spécifiquement documentée dans la fiche du modèle
  • Le clonage de voix présente un risque d'usurpation de l'identité vocale d'autrui

Ouvrir

抱脸 text-to-speech 上升榜

Parcourir les dernières actualités IA