Zyphra lança ZONOS3-Mini, síntese de voz aberta que clona vozes e roda no navegador
A Zyphra lança sob licença Apache 2.0 o ZONOS3-Mini, modelo de síntese de voz com 800 milhões de parâmetros (100 milhões ativos), capaz de clonar uma voz a partir de um trecho e ajustar sotaque, idade, emoção ou ritmo até a nível de palavra. Ele roda em tempo real no notebook, no celular e no navegador.
Clonar uma voz em poucos segundos não exige mais um servidor. A Zyphra, laboratório californiano conhecido por seus modelos abertos, lançou o ZONOS3-Mini, uma síntese de voz sob licença Apache 2.0 que cabe em um celular e roda diretamente no navegador.
Pequeno em computação, grande em parâmetros
O ZONOS3-Mini é um modelo de mistura de especialistas: 800 milhões de parâmetros no total, mas apenas cerca de cem milhões acionados a cada instante. A Zyphra explica ter reduzido o custo em várias etapas: um novo codec de áudio próprio (ZAC-1) que divide o som em 15 quadros por segundo em vez de 86 com o codec usado no ZONOS2, uma arquitetura híbrida herdada dos grandes modelos de linguagem e duas fases de pós-treinamento para garantir robustez. O treinamento levou 2,5 dias em 112 GPUs H100, de acordo com a empresa.
O resultado divulgado: o primeiro áudio surge em menos de 570 ms no navegador de um Pixel 9 e em menos de 150 ms em um MacBook Air M3. Na página do Hugging Face, a Zyphra disponibiliza um estúdio de voz executado inteiramente na GPU do usuário via WebGPU, além de servidores para Nvidia, Apple Silicon e CPU.
Clonar, criar, dirigir
O modelo clona uma voz a partir de um trecho de até um minuto, sem necessidade de transcrição. Ele também permite “compor” uma voz ajustando idade, gênero, sotaque e textura (suave, rouca) e, em seguida, conduzir a interpretação: emoção, ritmo, projeção, expressividade e até mesmo sussurrar apenas parte de uma frase. Um modelo de edição permite alterar uma frase já gerada. A normalização de texto abrange nove idiomas, incluindo o francês, e 27 vozes são fornecidas por padrão.
Em paralelo, a Zyphra publicou uma bancada de testes, o ZTTS2-Eval, e um índice que coloca o ZONOS3-Mini no topo dos modelos abertos, superando o Fish S2 Pro e o MOSS TTS v1.5. Trata-se de uma avaliação elaborada pela desenvolvedora do modelo.
Nossa leitura
Para criadores, estúdios de jogos ou desenvolvedores de assistentes, um modelo com essa qualidade anunciada, aberto, sob licença permissiva e capaz de rodar offline muda o cálculo frente a serviços cobrados por minuto. A mesma facilidade levanta a questão da clonagem não consentida: a licença Apache 2.0 não impõe restrições de uso, e nada no anúncio impede a clonagem da voz de terceiros a partir de uma amostra. Quanto à qualidade, as comparações vêm da bancada de testes da Zyphra; testes de audição independentes, especialmente em francês, dirão se o modelo cumpre a promessa.
Fontes
- Zyphra — ZONOS3-Mini (9 de novembro de 2026) Fonte primária
- Hugging Face — Zyphra/ZONOS3-Mini Fonte primária
Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.
