Новини›音声›Zyphra пусна ZONOS3-Mini: отворен TTS модел, който клонира гласове и работи в реално време
音声

Zyphra пусна ZONOS3-Mini: отворен TTS модел, който клонира гласове и работи в реално време

MarkTechPost · вторник, 10 ноември, 17:42 · 1 мин четене

Моделът е с 800 милиона общи и 100 милиона активни параметъра, лиценз Apache 2.0.

Zyphra пусна ZONOS3-Mini, отворен модел за синтез на реч, който може да работи в реално време на локални устройства. Моделът е с 800 милиона общи параметъра, но при всяко генериране се активират само 100 милиона, затова може да работи в браузър, на лаптоп или на сървърен GPU. Теглата са под лиценз Apache 2.0, така че можеш да ги използваш свободно.

Моделът клонира глас по кратък образец без допълнително обучение. Освен това можеш да управляваш възрастта, пола, акцента и тембъра на гласа, а също темпото, емоцията, силата и живостта на изговора. Настройките могат да се прилагат към отделни думи при поточно генериране. Има и отделен модел за редакция, който може да промени изречение след като то е генерирано.

Zyphra обучи модела на 112 NVIDIA H100 за 2,5 дни. Той е наследник на ZONOS2, който имаше 8 милиарда параметъра и не можеше да работи на обикновени устройства.

Създателите сравняват модела с техния собствен бенчмарк ZTTS2-Eval, който обхваща 35 езика с чиста реч и 20 езика със записи от реалния живот. ZONOS3-Mini получава 66,2 точки, Fish Audio S2 Pro 61,7, а MOSS-TTS v1.5 60,2. Резултатите са измерени от самата Zyphra и не са проверени от независима страна. По качество на звука в чистия набор моделът е по-слаб от Qwen3-TTS 1.7B, така че е добре да го пробваш сам, преди да решиш.

Още новини