ZONOS3-Mini

ZONOS3-Mini — это открытая модель преобразования текста в речь от Zyphra, которая, по официальным данным, имеет около 1 миллиардов активных параметров и может работать в реальном времени на смартфонах, ноутбуках и в браузере. Поддерживается клонирование голоса по одному аудиозаписи, а также создание голосов персонажей с настройкой возраста, акцента и качества звука; возможна пословная управление эмоциями и скоростью речи. Нормализация текста охватывает такие языки, как английский, китайский, японский, корейский, немецкий, испанский, французский, итальянский и португальский. Веса выпущены под лицензией Apache 2.0, также доступны форматы GGUF и фрагменты для WebGPU.

ZONOS3-Mini — это открытая модель преобразования текста в речь от Zyphra, которая, по официальным данным, имеет около 1 миллиардов активных параметров и может работать в реальном времени на смартфонах, ноутбуках и в браузере. Поддерживается клонирование голоса по одному аудиозаписи, а также создание голосов персонажей с настройкой возраста, акцента и качества звука; возможна пословная управление эмоциями и скоростью речи. Нормализация текста охватывает такие языки, как английский, китайский, японский, корейский, немецкий, испанский, французский, итальянский и португальский. Веса выпущены под лицензией Apache 2.0, также доступны форматы GGUF и фрагменты для WebGPU.

Почему это важно Лицензия Apache допускает коммерческое использование, а готовые варианты запуска доступны для WebGPU в браузере, MLX, ggml и SGLang, что снижает порог входа для создания озвучки, закадрового голоса и голосовых ассистентов.

Объятия лайков 13 · Рост рейтинга объятий 13 · Загрузки объятий 0

Лицензия: разрешено коммерческое использование · ComfyUI: пока нет · Видеопамять: ≈1 ГБ (оценка)

Причины

  • Рост в рейтинге text-to-speech на Hugging Face
  • Оценка 52 (свежесть 15 / источник 5 / популярность 4 / comfy 0 / видеопамять 13 / демо 5 / лицензия 10)

Использование

  • Браузер: откройте официальную страницу Zonos Voice Studio или Lite, используйте локальный запуск через WebGPU; при первом посещении модель будет загружена и закэширована
  • Серверная часть: запустите с помощью sgl-omni serve из SGLang-Omni, используя совместимый с OpenAI эндпоинт /v1/audio/speech; для чипов Apple и CPU используйте среды выполнения MLX и ggml из официального репозитория

Риски

  • Результаты и оценки представлены только в официальном блоге и не были независимо верифицированы; качество произношения на китайском языке не описано отдельно в карточке модели
  • Клонирование голоса несет риск несанкционированного использования чужого голоса

Открыть

抱脸 text-to-speech 上升榜

Открыть последние новости ИИ