Was ist ZONOS3-Mini?
ZONOS3-Mini ist ein Text-to-Speech-Modell mit offenen Gewichten und 800 Millionen Parametern, von denen dank Mixture-of-Experts-Design etwa 100 Millionen pro Token aktiv sind. Es spricht 43 Sprachen, klont eine Stimme aus einem Referenzclip von bis zu 60 Sekunden, lässt dich eine Stimme nach Alter, Akzent und Klangfarbe entwerfen und steuert Emotion und Tempo.
Es läuft an vielen Orten: im Browser per WebGPU, auf Apple Silicon per MLX, auf CPUs und GPUs über einen C++-ggml-Build, auf NVIDIA-GPUs hinter einem OpenAI-kompatiblen Sprach-Endpunkt mit SGLang-Omni und in Zyphra Cloud. Die Ausgabe hat 44,1 kHz. Die Gewichte stehen unter Apache 2.0.
Lohnt sich ZONOS3-Mini?
Offenes Text-to-Speech zwang bisher meist zur Wahl zwischen Qualität und Größe. ZONOS3-Mini verkleinert diese Lücke: insgesamt 800 Millionen Parameter, aber nur etwa 100 Millionen aktiv pro Token, sodass es in Echtzeit auf Laptops, Handys und per WebGPU im Browser läuft, 43 Sprachen abdeckt und eine Stimme aus einem kurzen Clip klont.
Die Steuerung ist besser als bei den meisten offenen Modellen. Neben dem Klonen kannst du eine Stimme nach Alter, Akzent und Klangfarbe entwerfen und Emotion und Tempo bis auf einzelne Wörter steuern, was zu Spielen, Erzählungen und Sprachassistenten passt. Die Ausgabe hat 44,1 kHz, und eine Generierung kann bis zu 10 Minuten lang sein. Zyphra nennt im Median 80 ms bis zum ersten Ton bei acht gleichzeitigen Anfragen auf einer H100 und einen Spitzendurchsatz von 457 Sekunden Audio pro Sekunde.
Die Bereitstellung ist ungewöhnlich vollständig: ein OpenAI-kompatibler Endpunkt über SGLang-Omni, native Server für CUDA und MLX, ein ggml-Build für CPU, Metal und Vulkan und 27 Standardstimmen. Die Vorbehalte: Qualitäts- und Geschwindigkeitswerte stammen aus Zyphras eigenem Benchmark, die Textnormalisierung deckt nur neun Sprachen vollständig ab, und Stimmklonen wirft die üblichen Fragen der Einwilligung auf, die das Modell selbst nicht durchsetzt.
Wo es sich lohnt
Ein unabhängiges Spielestudio
Dutzende Figuren in mehreren Sprachen ohne Studioaufnahmen vertonen
Entwirf Stimmen nach Alter und Akzent, steuere die Emotion pro Zeile und rendere auf lokalen GPUs; Apache 2.0 erlaubt es, das Audio in einem kostenpflichtigen Spiel auszuliefern.
Ein Entwickler einer Lese-App
Artikel offline in der Sprache des Lesers vorlesen
Nutze den WebGPU-Build im Browser, damit der Text das Gerät nicht verlässt; der Browser speichert das Modell nach dem ersten Besuch.
Bevor du dich festlegst
- Einrichtung
- Im Browser-Playground von Zyphra ausprobieren oder sgl-omni serve --model-path Zyphra/ZONOS3-Mini starten und an /v1/audio/speech senden.
- Integrationen
- SGLang-Omni (OpenAI-kompatibel), Zyphras CUDA-, MLX- und C++-ggml-Server, WebGPU im Browser, Zyphra Cloud.
- Daten und Datenschutz
- Läuft lokal oder im Browser ohne Upload; die gehostete Version liegt in Zyphra Cloud.
- Kosten im großen Maßstab
- Kostenlose Gewichte; eine H100 schafft laut Zyphra in der Spitze 457 Sekunden Audio pro Sekunde.
- Grenzen
- Bis zu 10 Minuten pro Generierung und Referenzclips von 60 Sekunden; Benchmarks von Zyphra selbst.
Was gut ist
- 43 Sprachen mit Stimmklonen aus bis zu 60 Sekunden Audio
- Etwa 100M aktive Parameter; läuft per WebGPU im Browser
- Apache 2.0, kommerzielle Nutzung erlaubt
- OpenAI-kompatibler Sprach-Endpunkt über SGLang-Omni
Was nicht
- Geschwindigkeits- und Qualitätswerte stammen von Zyphra
- Vollständige Textnormalisierung nur in neun Sprachen
- Kein eingebauter Schutz gegen das Klonen ohne Einwilligung
Am besten für
Entwickler, die mehrsprachige Sprachausgabe oder Stimmklonen auf eigener Hardware brauchen, in Apps, Spielen oder im Browser.
Alternativen zu ZONOS3-Mini
ZONOS3-Mini: häufige Fragen
- Lohnt sich ZONOS3-Mini?
- ZONOS3-Mini bringt mehrsprachiges Stimmklonen in ein Modell, das klein genug für einen Browser-Tab ist, unter einer Lizenz, die kommerzielle Nutzung erlaubt, was wenige offene Sprachmodelle zugleich bieten. Wir bewerten es mit 4.3 von 5.
- Was kostet ZONOS3-Mini?
- Kostenlose offene Gewichte unter Apache 2.0, auch für kommerzielle Nutzung; eine gehostete Version gibt es in Zyphra Cloud, Preise auf Zyphras Website.
- Welche Nachteile hat ZONOS3-Mini?
- Geschwindigkeits- und Qualitätswerte stammen von Zyphra; Vollständige Textnormalisierung nur in neun Sprachen; Kein eingebauter Schutz gegen das Klonen ohne Einwilligung.
- Für wen eignet sich ZONOS3-Mini?
- Entwickler, die mehrsprachige Sprachausgabe oder Stimmklonen auf eigener Hardware brauchen, in Apps, Spielen oder im Browser.
- Was kostet ZONOS3-Mini für ein Team oder im Produktivbetrieb?
- Kostenlose Gewichte; eine H100 schafft laut Zyphra in der Spitze 457 Sekunden Audio pro Sekunde.
- Ist ZONOS3-Mini sicher für Firmendaten?
- Läuft lokal oder im Browser ohne Upload; die gehostete Version liegt in Zyphra Cloud.
- Was sind die besten Alternativen zu ZONOS3-Mini?
- Die nächsten Alternativen, die wir getestet haben, sind Zonos v2 (ZONOS2).
Antworten geprüft am 15. Nov. 2026.