ZONOS3-Mini 发布:小型语音模型也能在浏览器运行

阿哲 Lv.3 2026/11/10 23:10:07 浏览 2

Zyphra 在 11 月 9 日发布了 ZONOS3-Mini,一款把文字转成语音的模型。它采用混合专家架构,总参数约 8 亿、每个 token 激活约 1 亿参数;权重采用 Apache 2.0 许可。激活参数较少不等于完整权重只有 1 亿,部署时仍要考虑模型文件和运行环境的资源占用。

发布方提供了几种运行方式:托管推理、自有 GPU,以及通过 WebGPU 在支持的浏览器中运行;还提供其他设备可用的运行时。浏览器运行的意思是模型在设备侧执行,不代表任意浏览器或手机都能达到同样速度。厂商报告的浏览器首段音频延迟,在 Pixel 9 上低于 570 毫秒、在 M3 MacBook Air 上低于 150 毫秒;这是特定设备和测试条件下的发布方数据,不能当成所有设备的承诺。

除了文字转语音,模型还支持使用参考音频进行声音生成,以及对语速、情绪和说话方式等作调整。发布方展示了整句调整,也展示了针对部分词语的表达控制;这些设置是目标,语速、音高和响度可能互相影响,成品仍需要实际听一遍。使用他人的声音样本前,应先取得本人许可。

团队还发布了自己的语音评测,称其干净语音测试覆盖 35 种语言、真实环境测试覆盖 20 种语言。评测覆盖的语言数量不等于每种语言都已经得到相同质量的支持;公告中的排名和延迟也主要来自发布方测试。本次只整理公告,没有自行运行模型或试听复现。

评论 0

发表评论

登录后参与讨论

登录

暂无评论