AIREITER

ZONOS3-Mini 評測：瀏覽器也能做聲音複製（2026）

最近更新: 2026-11-10 07:40:09

一台 Mac mini 在本機用 2.81 秒生成了 38.5 秒音訊，沒有雲端帳單。這正是 Zyphra 為 ZONOS3-Mini 打出的成績：這款於 2026 年 11 月 9 日推出、總計 8 億參數的 MoE 文字轉語音模型，每一步實際只啟用約 1 億參數。不過，早期測試者反覆提醒，這些展示是在高階硬體上以英文完成；換成你的文稿、語言與 GPU，表現未必能接近這個數字。

Zyphra ZONOS3-Mini 官方模型頁面，顯示 API 使用方式與價格限制

ZONOS3-Mini 是什麼？有哪些執行方式？

Zyphra 的 ZONOS3-Mini 是一款零樣本聲音複製 TTS 模型。提供文字與一段短參考音檔後，它就能以該聲音說話；也可以從 27 種內建聲線中挑選，再調整年齡、口音與音色質感。模型權重採 Apache 2.0 授權，執行程式碼則採 MIT 授權，因此允許本機及商業重複使用。但請只複製你本人擁有、或已取得使用許可的聲音。

模型核心是稀疏 MoE 架構，具備 64 個專家與 top-2 路由；11 個層級以 3:1 的比例混合 Gated DeltaNet 與全域注意力。它也導入新版 Zyphra Audio Codec 1（ZAC-1），以每秒 15 幀運作，取代 ZONOS2 採用的 86 Hz DAC。Zyphra 表示，這項改動讓每秒語音 token 從 774 降至 150，且在相同資料條件下，詞錯誤率約比 DAC 低 10 倍。

主要規格包括：44.1 kHz 輸出、單次最長可生成 10 分鐘、原始音檔複製的參考音訊上限為 60 秒、嵌入式聲音複製上限為 120 秒；訓練使用 112 張 NVIDIA H100 GPU，歷時 2.5 天。

目前有五種執行途徑：

  • 免安裝的瀏覽器 WebGPU playground
  • 支援 CPU、CUDA、Metal 或 Vulkan 的原生 C++/ggml
  • Apple MLX server
  • 適用 NVIDIA 伺服器的 SGLang 或 vLLM
  • 透過 OpenAI 相容 /v1/audio/speech 端點呼叫的 Zyphra 託管 API，模型名稱為 zyphra/zonos3-mini

廠商公布的延遲數據為：Pixel 9 瀏覽器首次出音低於 570 ms、M3 MacBook Air 低於 150 ms；單張 H100 搭配 SGLang 時，中位數為 57–80 ms，峰值吞吐量最高可達每秒 457 音訊秒。手機與筆電數字應視為最佳情況。Zyphra 自己的發布討論串，對相同裝置則給出較保守的低於 800 ms 與低於 450 ms，因此在對外承諾效能前，還是應先在自己的硬體上測試。

發布資料仍有兩處未說明清楚：技術文章稱模型總參數為 800M，但模型頁面寫的是 886M；此外，兩處皆未交代浮水印、濫用防護機制，或上傳參考聲音的資料保留政策。

先用瀏覽器試玩，再考慮安裝本機版

瀏覽器 playground 透過 WebGPU 在你的 GPU 上進行推論，無須伺服器，也不用安裝。未被特別強調的是首次載入成本：一位早期測試者表示，頁面在第一次生成前會下載約 920 MB 的模型與編碼器，之後才會由瀏覽器快取。

這個 playground 很適合作為免費的第一輪測試：先試聲音複製與片段級控制，再在效能最弱的目標裝置上比較延遲。WebGPU 的實際表現會隨瀏覽器、驅動程式與 GPU 而變化。

「每次看到小模型能在瀏覽器跑，就別急著喊『雲端 TTS 已死』！WebGPU 在不同瀏覽器與驅動程式上的相容性，坑非常多！英文展示做得好，也不代表你的正式文稿能順利通過！」 — @GKev1n，提醒不要只憑展示結果就取代託管 TTS 的使用者

如果使用者採用舊手機、內顯，或非 Chromium 瀏覽器，不要在未實測前就將 Pixel 9 的數據套用過去。

免逐字稿複製聲音，還能逐詞調整表達

  • 零樣本聲音複製：最多使用 60 秒參考音訊，無須逐字稿；原始音檔模式以自然度為主，也可建立可重複使用、日後再調整的說話者嵌入向量。
  • 聲線設計：可設定目標年齡、偏陽剛至偏陰柔的聲音表現，以及美式、英式與澳洲口音；也能疊加柔和、沙啞、明亮、低沉等音色質感。
  • 表達方式控制：可調整語速、情緒、發聲強度、活力、喚醒度與耳語，甚至精確到特定詞句片段——例如只讓「I didn't say」以耳語說出，其餘句子仍維持中性語氣。
  • 生成後編輯：透過類似 VoiceCraft 的模型，可在生成後替換詞語，同時保留原有聲音與設定；讀錯一個人名時，不必整段重新生成。

Zyphra 對這些功能也提出了應有的提醒：情緒與表達參數只是目標，而非保證；調整語速也可能改變音量與音高，調整活力則可能影響音高與時長。

已公開的硬體實測：速度、VRAM 與兩個 Windows 問題

測試配置實測結果來源
RTX 5080、量化 ggml（0.66 GB 主模型 + 0.45 GB 解碼器）約 7.1 秒日文語音僅需 0.40 秒；總 VRAM 為 2.4 GB——即時倍率 0.056，約為即時速度的 18 倍VRAM16 benchmark
同一設備：31 秒段落；CPU-only 7.2 秒片段GPU 以 2.5 GB 在 1.50 秒完成；CPU 計算耗時 1.45 秒，從啟動到完成則為 2.38 秒VRAM16 benchmark
64 GB M5 Pro Mac mini、MLX server38.5 秒音訊在 2.81 秒完成；首次出音 75–100 ms；首次複製聲音時峰值約 16 GB@pratikg

GPU 的結果約比同一基準測試先前量到的 OmniVoice 快一倍，也明顯領先該測試中 VoxCPM2 的 0.63x 表現。

比較三款開源 TTS 模型生成約 7 秒語音所需時間的長條圖

完整 2.2 GB 解碼器會將使用量推升至 4.2 GB，但測試者未能確認是否有可聽出的品質差異。以 Whisper large-v3 轉錄後，結果與預期的日文及英文文字相符；這只能證明可懂度，無法證明自然度或與參考聲音的相似程度。

目前最快的本機測試報告來自一名 Apple Silicon 使用者，他在 64 GB M5 Pro Mac mini 上透過 MLX server 測得：

「實測完成：……最高可達即時速度的 13.7 倍。這是在我的 64GB M5 Pro Mac mini 上完成（完全本機執行，使用他們的 MLX server）：使用內建聲線時，首次出音時間約 75–100 ms。38.5 秒音訊片段在 2.81 秒生成。從一段 11–13 秒音檔複製新聲音後，約 1.3 秒便能開始說話。……WER 為 0–4%。只用了幾 GB 記憶體（初次聲音複製的峰值約 16 GB）。」 — @pratikg，公開資料集與測試筆記的使用者

這份結果有一項容易被忽略的前提：初次複製時的記憶體峰值接近 16 GB，但快取過的複製聲音速度可與內建聲線相同。若打算批次複製大量說話者，容量規劃應以峰值而不是穩態用量為準。

Windows 原始碼編譯者遇到兩個問題，VRAM16 測試者已提供修補程式。第一個是 Microsoft 編譯器拒絕一個成員同樣命名為 head 的 struct，而 GCC 與 Clang 可以接受；因此應套用提供的重新命名修補，只編譯 zonos3-cli、zonos3-server 與 spk-encoder-cli。另一個問題是日文 Windows 將 CLI 文字以 CP932 而非 UTF-8 傳入，導致音訊內容錯亂；程式改以 GetCommandLineW 重新讀取命令列後才可解決。傳送至 zonos3-server 的 JSON 請求理應已是 UTF-8，但尚未驗證。

實務上的安裝建議是使用不含空格與非 ASCII 字元的路徑，例如 C:\zonos3；安裝含 C++ 工具的 Visual Studio 2022，以及 Git 與 FFmpeg。全新的 CUDA 環境預計需約五分鐘，預設權重約 1.2 GB，另外本機 CUDA 約需 2 GB（安裝說明）。

託管 API 怎麼計費：每百萬 UTF-8 位元組 $10 的意義

託管版本提供 OpenAI 相容的語音端點 https://api.zyphracloud.com/api/v1/audio/speech，以模型 zyphra/zonos3-mini 搭配 bearer ZYPHRA_API_KEY 呼叫。以下範例會啟動本機 SGLang-Omni 伺服器（SGLang cookbook），請求格式與雲端 API 相同。這正是重點：先在 localhost 原型開發，之後只需將 base URL 改成 Zyphra Cloud。

sgl-omni serve --model-path Zyphra/ZONOS3-Mini --port 8000

curl -X POST http://localhost:8000/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"input": "Hello from ZONOS3-Mini!"}' \
  --output output.wav

定價按位元組計算，不是按字元數或音訊分鐘數：每 100 萬 UTF-8 位元組 $10.00；限制為 1 個並行請求、每日 100 次生成、輸入字元數不限，聲音複製上限則如前述為 60/120 秒。一般英文每個字元約 1 個位元組，若以每分鐘口語約 800–900 個字元估算，$10 約可買到 1,100–1,250 分鐘，亦即每分鐘不到 1 美分。CJK 文字的成本則明顯較高，因為每個字元約需 3 個位元組——單字元成本約為 3 倍；中文、日文或韓文輸入的每分鐘成本，仍應以自己的腳本實際計算。

本機或瀏覽器推論在硬體到位後，邊際成本近乎為零；託管方案較適合原型開發與短期尖峰需求，但在僅 1 個並行請求、每日 100 次生成的限制下，無法支撐正式規模。需要吞吐量的團隊，應評估自架 SGLang 或 vLLM，而不是從 $10 的標價直接推估。

對比 ElevenLabs、Fish、Qwen 與「第一名」標籤

Zyphra 的頁面將 ZONOS3-Mini 與 Fish Audio、Qwen、Cartesia、ElevenLabs 及 OmniVoice 比較，測試素材包括三種腳本：戲劇化的預告片獨白、用來測試一致性的長篇喜劇「straight to jail」段落，以及對話式 Podcast 風格段落。頁面也提供延遲與吞吐量的 Pareto 圖。建議自行聆聽這些樣本，因為頁面雖有播放器，卻沒有文字說明的勝者、競品模型版本、隨機種子，或一致設定的聲明。

數值排名也應以同樣標準看待。Zyphra 的 ZTTS2-Eval 涵蓋 35 種乾淨語言資料與 20 種真實場景語言資料，共有 420 個依指標、資料集與語言區分的項目；其中 Capability Index 將 ZONOS3-Mini 排為開源模型第一，領先 Fish S2 Pro 與 MOSS TTS v1.5。但這是廠商以自己設計的新測試為自己評分。方法雖已公開，截至本文發布時仍未找到獨立重現；與閉源模型的比較也只有音訊，沒有共用分數。

由於 Zyphra 沒有提供逐語言分數，也沒有獨立聆聽測試的勝率，普通話聲調準確性、日文高低音、破音字與長篇情緒表現都尚待證實。投入前請先測試。較誠實的結論是：ZONOS3-Mini 在效率與部署彈性上領先，但其品質領先地位仍未獲證明。

哪些團隊適合現在切換？

團隊類型建議原因
離線、裝置端或重視隱私的應用（遊戲、閱讀器、資訊亭）立即測試Apache 2.0、預設下載 1.2 GB、VRAM 2.4 GB、可使用 CPU，且沒有按分鐘計費
需要大量聲線的有聲書或 NPC 製作流程先做試點詞級控制與生成後編輯可降低重生成成本，但各說話者的複製相似度仍須驗證
非英文，尤其是中文正式產品等待自行評測結果廠商未提供逐語言分數；在測試破音字與聲調前，詞錯誤率和韻律表現的主張仍偏向英文
高並發託管 TTS自架或維持現況雲端方案限制為 1 個並行請求、每日 100 次生成；真正的正式環境路徑是 SGLang/vLLM
需要浮水印或稽核軌跡的團隊暫緩發布資料未說明浮水印，亦未交代參考音檔的資料保留政策

建議依序測試：瀏覽器 playground、效能最弱裝置上的本機建置，再到託管 API。只有當你的硬體滿足 2.4 GB VRAM 與 WebGPU 條件，且目標語言通過盲聽測試時才切換；否則保留現有閉源 API，等待獨立多語言基準測試出現後再重新評估。

常見問題

ZONOS3-Mini 需要多少 VRAM？

測試中的 RTX 5080 配置總共約需 2.4–2.5 GB（完整解碼器為 4.2 GB；Mac 初次複製聲音的峰值約為 16 GB）。

能在瀏覽器或 CPU 上執行嗎？

可以：WebGPU 首次造訪約需下載 920 MB；在唯一公開的 CPU 測試中，包含啟動時間的合成耗時約為即時長度的三分之一。

聲音複製效果如何？

可用最多 60 秒、無須逐字稿的音訊進行零樣本複製；一項獨立測試報告 0–4% 詞錯誤率，但每位說話者的相似度仍要靠自己的聆聽測試判斷。

可以商業使用嗎？

模型權重採 Apache 2.0，程式碼採 MIT；但複製任何聲音前，你都必須擁有相關權利或取得當事人同意。

API 端點與價格是什麼？

使用 OpenAI 相容的 POST https://api.zyphracloud.com/api/v1/audio/speech，模型為 zyphra/zonos3-mini；價格是每 100 萬 UTF-8 位元組 $10，限制為 1 個並行請求、每日 100 次。

延伸閱讀：Best Text-to-Speech API、Best Voice Cloning API 2026、Kokoro 82M TTS Local Guide