Zyphra publie ZONOS3-Mini, une synthèse vocale ouverte qui clone une voix et tourne dans le navigateur
Zyphra publie sous licence Apache 2.0 ZONOS3-Mini, un modèle de synthèse vocale de 800 millions de paramètres dont 100 millions actifs, capable de cloner une voix à partir d'un extrait et de régler accent, âge, émotion ou débit jusqu'au mot. Il tourne en temps réel sur ordinateur portable, sur téléphone et dans le navigateur.
Cloner une voix en quelques secondes ne demande plus un serveur. Zyphra, laboratoire californien connu pour ses modèles ouverts, publie ZONOS3-Mini, une synthèse vocale sous licence Apache 2.0 qui tient sur un téléphone et tourne directement dans le navigateur.
Petit en calcul, gros en paramètres
ZONOS3-Mini est un modèle à mélange d’experts : 800 millions de paramètres au total, mais seulement une centaine de millions sollicités à chaque instant. Zyphra explique avoir réduit la facture à plusieurs étages : un nouveau codec audio maison (ZAC-1) qui découpe le son en 15 trames par seconde au lieu de 86 avec le codec utilisé pour ZONOS2, une architecture hybride empruntée aux grands modèles de langage, et deux phases de post-entraînement pour la robustesse. L’entraînement a pris 2,5 jours sur 112 GPU H100, selon l’entreprise.
Résultat annoncé : le premier son arrive en moins de 570 ms dans le navigateur d’un Pixel 9 et en moins de 150 ms sur un MacBook Air M3. Sur la page Hugging Face, Zyphra fournit un studio vocal qui s’exécute entièrement sur le GPU de l’utilisateur via WebGPU, ainsi que des serveurs pour Nvidia, Apple Silicon et CPU.
Cloner, concevoir, diriger
Le modèle clone une voix à partir d’un extrait allant jusqu’à une minute, sans transcription. Il permet aussi de « composer » une voix en jouant sur l’âge, le genre, l’accent et la texture (douce, éraillée), puis de diriger l’interprétation : émotion, débit, projection, expressivité, et même chuchoter seulement une partie de phrase. Un modèle d’édition permet de modifier une phrase déjà générée. La normalisation du texte couvre neuf langues, dont le français, et 27 voix sont fournies par défaut.
Zyphra publie en parallèle un banc d’essai, ZTTS2-Eval, et un indice qui place ZONOS3-Mini en tête des modèles ouverts, devant Fish S2 Pro et MOSS TTS v1.5. C’est une évaluation conçue par l’éditeur du modèle.
Notre lecture
Pour les créateurs, les studios de jeux ou les développeurs d’assistants, un modèle de cette qualité annoncée, ouvert, sous licence permissive et capable de tourner hors ligne change le calcul face aux services payants à la minute. La même facilité pose la question du clonage non consenti : la licence Apache 2.0 n’impose aucune restriction d’usage, et rien dans l’annonce n’empêche de cloner la voix d’un tiers à partir d’un extrait. Côté qualité, les comparaisons viennent du banc d’essai de Zyphra ; les écoutes indépendantes, notamment en français, diront si le modèle tient la promesse.
Sources
- Zyphra — ZONOS3-Mini (9 novembre 2026) Source primaire
- Hugging Face — Zyphra/ZONOS3-Mini Source primaire
Une source primaire émane directement de l'entreprise, du laboratoire ou de l'organisme concerné. Une source secondaire rapporte l'information sans en être l'auteur : nous la signalons comme telle. Une erreur ? Consultez notre politique de correction.
