Zyphra 开源 ZONOS3-Mini：1 亿活跃参数 TTS，浏览器可实时跑

pmttyji · reddit · 2026-11-11

Zyphra 发布开源 TTS 模型 ZONOS3-Mini：总参数 800M、每 token 仅约 100M 活跃（隐式 MoE，64 专家 top-2），支持 43 种语言，可在手机、笔记本乃至浏览器（WebGPU）实时运行，权重以 Apache 2.0 发布。

能力上支持从音频样本克隆声音，或通过年龄、口音、音色塑造角色声音，可对情绪、语速、停顿做细粒度控制（精确到单个词），单次生成最长 10 分钟音频。架构采用 SuperBPE 分词 + 9 层 Gated DeltaNet 与 2 层全局注意力，自回归生成 15Hz 双编解码帧（1 语义 + 9 声码本），因果多分辨率 iSTFT 头输出 44.1kHz 音频。官方提供 CUDA、MLX、C++/ggml 与 WebGPU 多种运行时，共享同一 HTTP API，也可通过 Zyphra Cloud 调用。