ZONOS3-Mini

ZONOS3-Mini là mô hình chuyển văn bản thành giọng nói mã nguồn mở của Zyphra, được công bố chính thức với khoảng 1 tỷ tham số hoạt hóa, có thể chạy thời gian thực trên điện thoại, máy tính xách tay và trình duyệt. Mô hình hỗ trợ nhân bản giọng điệu từ một đoạn âm thanh, hoặc thiết kế giọng nhân vật theo độ tuổi, giọng địa phương và chất lượng âm thanh, đồng thời cho phép kiểm soát cảm xúc và tốc độ đọc theo từng từ; quy trình chuẩn hóa văn bản hỗ trợ các ngôn ngữ như Anh, Trung, Nhật, Hàn, Đức, Tây Ban Nha, Pháp, Ý, Bồ Đào Nha. Các trọng số được phát hành theo giấy phép Apache 2.0, kèm theo các phân đoạn GGUF và WebGPU.

ZONOS3-Mini là mô hình chuyển văn bản thành giọng nói mã nguồn mở của Zyphra, được công bố chính thức với khoảng 1 tỷ tham số hoạt hóa, có thể chạy thời gian thực trên điện thoại, máy tính xách tay và trình duyệt. Mô hình hỗ trợ nhân bản giọng điệu từ một đoạn âm thanh, hoặc thiết kế giọng nhân vật theo độ tuổi, giọng địa phương và chất lượng âm thanh, đồng thời cho phép kiểm soát cảm xúc và tốc độ đọc theo từng từ; quy trình chuẩn hóa văn bản hỗ trợ các ngôn ngữ như Anh, Trung, Nhật, Hàn, Đức, Tây Ban Nha, Pháp, Ý, Bồ Đào Nha. Các trọng số được phát hành theo giấy phép Apache 2.0, kèm theo các phân đoạn GGUF và WebGPU.

Tại sao quan trọng Giấy phép Apache cho phép sử dụng thương mại, có sẵn các phương thức chạy trên trình duyệt WebGPU, MLX, ggml và SGLang, giúp giảm rào cản khi phát triển các ứng dụng lồng tiếng, thuyết minh và trợ lý giọng nói.

Lượt thích trên Hugging Face 13 · Điểm tăng hạng trên Hugging Face 13 · Lượt tải trên Hugging Face 0

Giấy phép: Có thể sử dụng thương mại · ComfyUI: Chưa có · VRAM: ≈1 GB (ước tính)

Lý do

  • Bảng xếp hạng tăng hạng text-to-speech trên Hugging Face
  • Điểm đánh giá 52 (mới 15 / nguồn 5 / độ phổ biến 4 / comfy 0 / vram 13 / demo 5 / giấy phép 10)

Cách sử dụng

  • Trình duyệt: Mở trang Zonos Voice Studio hoặc Lite chính thức, chạy cục bộ bằng WebGPU, lần truy cập đầu tiên sẽ tải xuống và lưu cache mô hình
  • Máy chủ: Khởi động bằng sgl-omni serve của SGLang-Omni, sử dụng giao diện /v1/audio/speech tương thích OpenAI; đối với chip Apple và CPU, sử dụng các runtime MLX và ggml từ kho lưu trữ chính thức

Rủi ro

  • Hiệu quả và đánh giá đều dựa trên blog chính thức, chưa được xác minh độc lập; chất lượng phát âm tiếng Trung không được mô tả riêng trong thẻ mô hình
  • Nhân bản giọng điệu tiềm ẩn rủi ro giả mạo giọng nói của người khác

Mở

抱脸 text-to-speech 上升榜

Xem tin AI mới nhất