Zyphra lanza ZONOS3-Mini, un modelo de voz de 100 millones de parámetros

Fuentes: Zyphra releases ZONOS3-Mini, a 100M parameter open-source voice model

Zyphra ha publicado ZONOS3-Mini, un modelo de síntesis de voz de código abierto con 100 millones de parámetros activos, diseñado para ofrecer una experiencia de alta fidelidad en dispositivos móviles y de escritorio. La herramienta permite clonar voces a partir de muestras de audio o diseñar personajes con control preciso sobre edad, acento y textura vocal, además de modular la emoción y el ritmo de la entrega hasta el nivel de palabra. Su arquitectura, basada en un backbone híbrido GDN/attention MoE, genera audio en tiempo real mediante un head iSTFT causal que renderiza frames de 44.1 kHz. El modelo soporta 43 idiomas, incluyendo inglés, español, chino mandarín, japonés y árabe, y está optimizado para ejecutarse localmente mediante WebGPU en navegadores o a través de servidores CUDA, MLX y C++. La documentación detalla el uso con librerías como Zonos y llama.cpp, así como la integración con plataformas de inferencia como SGLang-Omni y Ollama. Los pesos del modelo se distribuyen bajo la licencia Apache 2.0, facilitando su adopción por desarrolladores y creadores de contenido que buscan alternativas eficientes a los modelos de síntesis de voz comerciales.