新模型 2026-11-14

Zyphra 开源 ZONOS3-Mini:手机里也能实时克隆人声的语音模型

一句话说清:Zyphra 开源了一个很小的语音模型 ZONOS3-Mini,几十秒音频就能克隆你的声音、读 43 种语言,手机浏览器里就能实时跑。

发生了什么

2026 年 11 月 9 日,AI 公司 Zyphra 发布并开源 ZONOS3-Mini(来源:Zyphra 官方、Hugging Face 博客)。

  • 它是一个文本转语音(TTS)模型,能用一段短音频「克隆」出某个人的声音,然后替他念任何文字。
  • 采用稀疏混合专家架构,总参数 8 亿、每步只激活约 1 亿,所以很小:压缩后约 0.5GB,手机、笔记本都能跑。
  • 实时:在手机浏览器里首段语音延迟不到 570 毫秒,在 MacBook 上不到 150 毫秒;支持 43 种语言,还能逐词调节情绪、语速、口音。
  • 以 Apache 2.0 协议开源,权重在 Hugging Face,提供浏览器 WebGPU、本地 GGUF、服务器等多种运行方式。

对我有什么用

  • 普通用户:以后做视频配音、给语音助手换声音、把文章读出来听,可能都不用花钱买云服务,本地就能跑。
  • 内容创作者:可用它做多语言配音、游戏对白,门槛更低。
  • 它也是把「声音克隆」从大公司专属,变成人人可下载的本地工具的代表,方便但也要警惕被滥用。

我可以怎么做

  1. 想试:打开 Hugging Face 搜 Zyphra/ZONOS3-Mini,或用它官方的网页版「Voice Studio」在线体验克隆声音。
  2. 想本地跑:按官方 GGUF 方式部署(需要一点环境,非纯小白)。
  3. 普通用户先记住「本地语音克隆已经很小、很便宜」这个趋势即可。

温馨提醒

  • 声音克隆双刃剑:它能被用来冒充你、骗你亲友——接到「熟人」语音借钱,仍要先回拨原号码核实。
  • 官方说的手机实时性能是自家测试,实际效果看设备和网络。
  • 它是开发库,本地部署要命令行和显卡/内存,纯小白建议用网页版体验。
📤 一键转发小助手 帮你写好小红书文案、微信推荐语,还配一张中文海报,复制就能发