Inworld TTS 2

Zyphra 发布 ZONOS2，一款 80 亿参数的实时 TTS 模型

Zyphra 发布了 ZONOS2，一个开源的、实时的文本到语音模型，拥有 80 亿总参数和 9 亿激活参数以实现高效推理。这款稀疏专家混合（MoE）模型在高质量、零样本语音克隆方面表现出色，旨在克服语音质量和速度之间的典型权衡。ZONOS2 处理原始 UTF-8 字节而非音素，增强了对多种语言和语码转换的支持，并接受了超过 600 万小时音频数据的训练。