ZONOS3-Mini Technical Report

AI 摘要

研究团队发布 ZONOS3-Mini 语音克隆模型，采用仅 8.86 亿参数（每 token 激活 1 亿）的潜在 MoE 架构和新的 ZAC-1 音频编解码器，可在笔记本或手机上实时运行。在新基准 ZTTS2-Eval 的 55 个语言集上，其宏平均词错误率为 6.71%，与更大更慢的先进模型相当，并开源了模型权重、推理与训练代码。