Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

ZONOS3-Mini

O pequeno modelo aberto de texto para fala da Zyphra: 43 idiomas, clonagem de voz a partir de um trecho curto e rápido o bastante para navegador ou celular.

Análise de ReviewRamble editors · Atualizado

Visitar ZONOS3-Mini Código aberto

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

4.3/5

O ZONOS3-Mini coloca a clonagem de voz multilíngue num modelo pequeno o bastante para uma aba do navegador, com uma licença que permite uso comercial, algo que poucos modelos de voz abertos oferecem ao mesmo tempo.

O que é ZONOS3-Mini?

O ZONOS3-Mini é um modelo de texto para fala com pesos abertos e 800 milhões de parâmetros, dos quais cerca de 100 milhões ficam ativos por token graças a um desenho de mistura de especialistas. Ele fala 43 idiomas, clona uma voz a partir de um trecho de referência de até 60 segundos, permite criar uma voz por idade, sotaque e textura e controla emoção e ritmo.

Roda em muitos lugares: no navegador via WebGPU, no Apple Silicon via MLX, em CPUs e GPUs via uma versão ggml em C++, em GPUs NVIDIA atrás de um endpoint de fala compatível com a OpenAI com SGLang-Omni, e no Zyphra Cloud. Gera áudio em 44,1 kHz. Os pesos estão sob a licença Apache 2.0.

ZONOS3-Mini vale a pena?

O texto para fala aberto costumava obrigar a escolher entre qualidade e tamanho. O ZONOS3-Mini diminui essa distância: 800 milhões de parâmetros no total, mas só cerca de 100 milhões ativos por token, então roda em tempo real em notebooks, celulares e no navegador via WebGPU, cobrindo 43 idiomas e clonando uma voz a partir de um trecho curto.

O controle é melhor que o da maioria dos modelos abertos. Além de clonar, dá para criar uma voz por idade, sotaque e textura e controlar emoção e ritmo até palavras específicas, o que serve a jogos, narração e assistentes de voz. A saída é em 44,1 kHz, e uma geração pode durar até 10 minutos. A Zyphra informa uma mediana de 80 ms até o primeiro áudio com oito requisições simultâneas numa H100, e um pico de 457 segundos de áudio por segundo.

As opções de implantação são incomumente completas: um endpoint compatível com a OpenAI via SGLang-Omni, servidores nativos para CUDA e MLX, uma versão ggml para CPU, Metal e Vulkan, e 27 vozes padrão. As ressalvas: os números de qualidade e velocidade vêm do teste da própria Zyphra, a normalização de texto só cobre por completo nove idiomas, e a clonagem de voz traz as questões de consentimento de sempre, que o modelo não impõe de forma alguma.

Onde ele se destaca

  • Um estúdio de jogos independente

    Dar voz a dezenas de personagens em vários idiomas sem sessões de estúdio

    Crie vozes por idade e sotaque, controle a emoção em cada fala e gere em GPUs locais; a Apache 2.0 permite incluir o áudio num jogo pago.

  • Um desenvolvedor de um app de leitura

    Ler artigos em voz alta no idioma do leitor, offline

    Use a versão WebGPU no navegador para o texto não sair do aparelho; o navegador guarda o modelo em cache depois da primeira visita.

Antes de decidir

Configuração
Teste no playground da Zyphra no navegador, ou rode sgl-omni serve --model-path Zyphra/ZONOS3-Mini e envie requisições para /v1/audio/speech.
Integrações
SGLang-Omni (compatível com a OpenAI), servidores da Zyphra para CUDA, MLX e C++ ggml, WebGPU no navegador, Zyphra Cloud.
Dados e privacidade
Roda localmente ou no navegador sem envio; a versão hospedada fica no Zyphra Cloud.
Custo em escala
Pesos grátis; uma H100 processa 457 segundos de áudio por segundo no pico, segundo a Zyphra.
Limites
Até 10 minutos por geração e trechos de referência de 60 segundos; testes da própria Zyphra.

O que é bom

  • 43 idiomas com clonagem de voz a partir de até 60 segundos de áudio
  • Cerca de 100M de parâmetros ativos; roda no navegador via WebGPU
  • Apache 2.0, uso comercial permitido
  • Endpoint de fala compatível com a OpenAI via SGLang-Omni

O que não é

  • Os números de velocidade e qualidade são da Zyphra
  • Normalização completa de texto em só nove idiomas
  • Nenhuma proteção embutida contra clonar vozes sem consentimento

Ideal para

Desenvolvedores que precisam de fala multilíngue ou clonagem de voz no próprio hardware, em apps, jogos ou no navegador.

Alternativas ao ZONOS3-Mini

ZONOS3-Mini: perguntas frequentes

ZONOS3-Mini vale a pena?
O ZONOS3-Mini coloca a clonagem de voz multilíngue num modelo pequeno o bastante para uma aba do navegador, com uma licença que permite uso comercial, algo que poucos modelos de voz abertos oferecem ao mesmo tempo. Damos nota 4.3 de 5.
Quanto custa ZONOS3-Mini?
Pesos abertos grátis sob a licença Apache 2.0, inclusive para uso comercial; há uma versão hospedada no Zyphra Cloud, com preços no site da Zyphra.
Quais são as desvantagens de ZONOS3-Mini?
Os números de velocidade e qualidade são da Zyphra; normalização completa de texto em só nove idiomas; nenhuma proteção embutida contra clonar vozes sem consentimento.
Para quem ZONOS3-Mini é indicado?
Desenvolvedores que precisam de fala multilíngue ou clonagem de voz no próprio hardware, em apps, jogos ou no navegador.
Quanto custa ZONOS3-Mini para uma equipe ou em produção?
Pesos grátis; uma H100 processa 457 segundos de áudio por segundo no pico, segundo a Zyphra.
ZONOS3-Mini é seguro para dados da empresa?
Roda localmente ou no navegador sem envio; a versão hospedada fica no Zyphra Cloud.
Quais são as melhores alternativas ao ZONOS3-Mini?
As alternativas mais próximas que analisamos são Zonos v2 (ZONOS2).

Respostas verificadas em 15 de nov. de 2026.

Você faz o ZONOS3-Mini? Mostre esta nota no seu siteZONOS3-Mini com nota 4.3 de 5 no ReviewRamble