AI и дата-центры
Zyphra выпустила ZONOS3-Mini: клонирование голоса на 100 млн активных параметров работает в браузере
Публикация:
Zyphra открыла веса ZONOS3-Mini: модель клонирует голос по короткому образцу, говорит на 43 языках и отвечает в браузере быстрее чем за 570 мс.

11 ноября Zyphra выпустила ZONOS3-Mini, открытую модель синтеза речи с клонированием голоса по образцу. Это разреженная смесь экспертов: 100 млн активных параметров при 800 млн всего. Веса лежат на Hugging Face под лицензией Apache 2.0, а код рантаймов под лицензией MIT.
Главная фишка: скорость на слабом железе. Первый звук модель выдаёт быстрее чем за 570 мс в браузере на Pixel 9 и быстрее чем за 150 мс на MacBook Air с чипом M3. На одной H100 медиана, 80 мс при пиковой пропускной способности 457 раз быстрее реального времени. Обучили модель всего за 2.5 дня на 112 видеокартах NVIDIA H100.
Клонирование работает без дообучения: хватает короткого образца голоса, а дальше модель управляет громкостью, тембром и темпом речи. На собственном бенчмарке ZTTS2-Eval она первая среди открытых моделей, впереди Fish S2 Pro и MOSS TTS v1.5. Демо уже лежит в открытом доступе: голос можно клонировать прямо в браузере через WebGPU, ничего не устанавливая.
Стоит помнить, что ZTTS2-Eval это собственный бенчмарк Zyphra, а независимых замеров пока нет. И клонирование голоса, технология с очевидными рисками: образец чужого голоса модель примет без вопросов, так что проверять стоит только на своих записях.