Zyphra 在 11 月 12 日公开的社区文章中介绍 ZONOS3-Mini，面向多语言语音合成、零样本声音克隆和精细发声控制。模型总参数约八亿，每次激活约一亿，文章称覆盖 43 种语言。
团队提供 Apache 2.0 模型权重，以及 MIT 许可的运行时和参考代码，支持 WebGPU 浏览器运行、Apple Silicon 和多种原生后端。首访浏览器演示需要下载模型，后续可使用本地缓存。
官方报告在 Pixel 9 浏览器上首段音频延迟低于 570 毫秒，在 M3 MacBook Air 上低于 150 毫秒。这些属于指定设备测试；声音克隆使用也应取得相关声音权利人的许可。
来源：Hugging Face 原文。
图片来源：Hugging Face。