ZONOS3-Mini

ZONOS3-Mini は Zyphra のオープンソースのテキスト読み上げ(TTS)モデルで、公式によるとアクティブパラメータ数は約 1 億です。スマートフォン、ノートパソコン、ブラウザでリアルタイムに実行できます。1つの音声サンプルで音色をクローンしたり、年齢、アクセント、音質に基づいてキャラクターの声を設計したりでき、単語単位で感情や話速を制御することが可能です。テキスト正規化は英語、中国語、日本語、韓国語、ドイツ語、スペイン語、フランス語、イタリア語、ポルトガル語などの言語に対応しています。重みは Apache 2.0 ライセンスで公開されており、GGUF および WebGPU 用の分割ファイルも提供されています。

ZONOS3-Mini は Zyphra のオープンソースのテキスト読み上げ(TTS)モデルで、公式によるとアクティブパラメータ数は約 1 億です。スマートフォン、ノートパソコン、ブラウザでリアルタイムに実行できます。1つの音声サンプルで音色をクローンしたり、年齢、アクセント、音質に基づいてキャラクターの声を設計したりでき、単語単位で感情や話速を制御することが可能です。テキスト正規化は英語、中国語、日本語、韓国語、ドイツ語、スペイン語、フランス語、イタリア語、ポルトガル語などの言語に対応しています。重みは Apache 2.0 ライセンスで公開されており、GGUF および WebGPU 用の分割ファイルも提供されています。

なぜ重要か Apache ライセンスにより商用利用が可能で、ブラウザの WebGPU、MLX、ggml、SGLang などで手軽に実行できるため、吹き替え、ナレーション、音声アシスタントの開発のハードルが低いです。

Hugging Face のいいね数 13 · Hugging Face の上昇スコア 13 · Hugging Face のダウンロード数 0

ライセンス:商用利用可 · ComfyUI:未対応 · VRAM:約 1 GB(推定)

理由

  • Hugging Face のテキスト読み上げ上昇ランキング
  • スコア 52(freshness 15 / source 5 / heat 4 / comfy 0 / vram 13 / demo 5 / license 10)

使い方

  • ブラウザ:公式の Zonos Voice Studio または Lite ページを開き、WebGPU を使用してローカルで実行します。初回アクセス時にモデルがダウンロードされ、キャッシュされます。
  • サーバー側:SGLang-Omni の sgl-omni serve コマンドで起動し、OpenAI 互換の /v1/audio/speech エンドポイントを使用します。Apple シリコンや CPU では、公式リポジトリにある MLX および ggml ランタイムを使用します。

リスク

  • 効果と評価は公式ブログに記載されているのみで、独立した検証は行われていません。中国語の発話品質についてはモデルカードに個別の説明がありません。
  • 音声クローンには他人の声を悪用されるリスクがあります。

開く

抱脸 text-to-speech 上升榜

最新の AI ニュースを見る