本文へスキップ
ReviewRamble

週刊ブリーフ

AIのレビューを、あなたの受信箱に。

  • ツール、モデル、MCPサーバー、リポジトリの新しいレビュー(結論を最初に)
  • 変更があったときに再確認した価格と評価
  • 公開された新しい分析記事

モデル、エージェント、MCPサーバー、そして本当に時間をかける価値のあるツール。

週に1通です。配信停止は各メールのリンクからできます。 メールアドレスの利用について

ZONOS3-Mini

Zyphraの小さなオープン音声合成モデル。43言語、短いクリップからの声のクローン、ブラウザやスマートフォンで動く速さ。

レビュー: ReviewRamble editors · 更新

ZONOS3-Miniを見る オープンソース

このページを共有:XLinkedInFacebookRedditWhatsAppメール

当サイトの評価

4.3/5

ZONOS3-Miniは、多言語の声のクローンをブラウザのタブに収まるほど小さなモデルに入れ、しかも商用利用できるライセンスで提供しています。この組み合わせを備えたオープンな音声モデルはわずかです。

ZONOS3-Miniとは?

ZONOS3-Miniはオープンウェイトの音声合成モデルで、パラメーターは8億(800M)ですが、専門家混合の設計により1トークンあたり約1億だけが動きます。43言語を話し、最大60秒の参照クリップから声をクローンし、年齢、なまり、声質で声を設計でき、感情や話す速さも調整できます。

動かせる場所は多く、WebGPUでブラウザの中、MLXでApple Silicon、C++のggml版でCPUとGPU、SGLang-OmniでOpenAI互換の音声エンドポイントの裏のNVIDIA GPU、そしてZyphra Cloudです。出力は44.1 kHzの音声です。ウェイトはApache 2.0です。

ZONOS3-Miniは使う価値があるか?

オープンな音声合成では、品質か大きさかを選ばされることが多くありました。ZONOS3-Miniはその差を縮めます。総パラメーターは8億(800M)でも1トークンあたりの稼働は約1億なので、ノートパソコンやスマートフォン、WebGPUでブラウザでもリアルタイムに動き、43言語に対応し、短いクリップから声をクローンします。

制御はほとんどのオープンモデルより優れています。クローンに加えて、年齢、なまり、声質で声を設計し、感情や速さを単語単位で調整できるので、ゲーム、ナレーション、音声アシスタントに向いています。出力は44.1 kHzで、1回の生成は最長10分です。Zyphraは、H100 1台で同時8リクエストのとき最初の音声まで中央値80 ms、ピーク時のスループットは1秒あたり457秒分の音声だとしています。

導入手段は珍しいほどそろっています。SGLang-OmniによるOpenAI互換エンドポイント、CUDAとMLX向けのネイティブサーバー、CPU、Metal、Vulkan向けのggml版、27の標準音声です。注意点として、品質と速さの数値はZyphra自身のベンチマークによるもので、テキスト正規化が完全なのは9言語だけです。また声のクローンには同意をめぐるいつもの問題があり、モデル自体はそれを何も防ぎません。

真価を発揮する場面

  • インディーのゲームスタジオ

    スタジオ収録なしで、何十人ものキャラクターに複数言語で声を付ける

    年齢となまりで声を設計し、台詞ごとに感情を調整して、ローカルのGPUで生成します。Apache 2.0なので、有料ゲームに音声を入れて出荷できます。

  • 読み上げアプリを作る開発者

    記事を読者の言語でオフラインで読み上げる

    ブラウザでWebGPU版を使えば、テキストは端末の外に出ません。初回訪問後はブラウザがモデルをキャッシュします。

導入前に確認すること

導入
Zyphraのブラウザ上の試用ページで試すか、sgl-omni serve --model-path Zyphra/ZONOS3-Miniを実行して/v1/audio/speechに送ります。
連携
SGLang-Omni(OpenAI互換)、ZyphraのCUDA、MLX、C++ ggmlサーバー、ブラウザのWebGPU、Zyphra Cloud。
データとプライバシー
ローカルやブラウザでアップロードなしに動作。ホスト版はZyphra Cloud。
大規模利用時のコスト
ウェイトは無料。Zyphraによれば、H100 1台でピーク時に1秒あたり457秒分の音声を処理します。
制限
1回の生成は最長10分、参照クリップは60秒まで。ベンチマークはZyphra自身のもの。

良い点

  • 最大60秒の音声から声をクローンでき、43言語に対応
  • 稼働パラメーターは約1億で、WebGPUによりブラウザで動く
  • Apache 2.0で商用利用可
  • SGLang-OmniでOpenAI互換の音声エンドポイント

気になる点

  • 速さと品質の数値はZyphraによるもの
  • テキスト正規化が完全なのは9言語のみ
  • 同意のない声のクローンを防ぐ仕組みが組み込まれていない

おすすめの人

アプリ、ゲーム、ブラウザで、多言語の音声合成や声のクローンを自前のハードウェアで使いたい開発者。

ZONOS3-Miniの代替

ZONOS3-Mini:よくある質問

ZONOS3-Miniは使う価値があるか?
ZONOS3-Miniは、多言語の声のクローンをブラウザのタブに収まるほど小さなモデルに入れ、しかも商用利用できるライセンスで提供しています。この組み合わせを備えたオープンな音声モデルはわずかです。 評価は5点満点中4.3点です。
ZONOS3-Miniの料金は?
Apache 2.0の無料オープンウェイトで、商用利用も可能。ホスト版はZyphra Cloudにあり、価格はZyphraのサイトに載っています。
ZONOS3-Miniの欠点は?
速さと品質の数値はZyphraによるもの; テキスト正規化が完全なのは9言語のみ; 同意のない声のクローンを防ぐ仕組みが組み込まれていない.
ZONOS3-Miniは誰に向いているか?
アプリ、ゲーム、ブラウザで、多言語の音声合成や声のクローンを自前のハードウェアで使いたい開発者。
チームや本番環境でZONOS3-Miniを使うと費用はいくらか?
ウェイトは無料。Zyphraによれば、H100 1台でピーク時に1秒あたり457秒分の音声を処理します。
ZONOS3-Miniは企業データを扱っても安全か?
ローカルやブラウザでアップロードなしに動作。ホスト版はZyphra Cloud。
ZONOS3-Miniの代わりになるものは?
当サイトでレビューした中で最も近い代替はZonos v2 (ZONOS2)です。

回答確認日:2026年11月15日

ZONOS3-Miniの開発元の方へ:この評価をサイトに掲載できますReviewRambleでのZONOS3-Miniの評価:5点満点中4.3点