ZONOS2
Official repository and model card - 2026
Officielle ZONOS2 ressourcer dokumenterer Apache-2.0-udgivelsen, flersproget TTS API, mere end 6 millioner timers træning i tale, højopløselig stemmekloning og 44.1 kHz PCM output.
Indlæser...
Input
Reference til stemmelyd plus flersproget tekst til ZONOS2 stemmekloning TTS
Lydformater
Output
Generér tale som WAV ved 44,1 kHz
Brugsscenarie
Kortreference-fortælling, stemmetests og flersprogede taleprøver
Angiv værktøjets navn, trinene og problemet i din feedback. Skærmbilleder kan hjælpe med at finde fejlen.
ZONOS2 Voice Cloning TTS genererer flersproget tale fra et kort reference voice klip. TelkNet præsenterer det som en server-side officiel ZONOS2 deployment med standardindstillinger af højeste kvalitet og en simpel upload-tekst-download arbejdsgang.
ZONOS2 er Zyphra's Apache-2.0 8B total / 900M aktive MoE TTS-model for flersproget zero-shot voice cloning og 44.1 kHz PCM output.
ZONOS2 returnerer 44.1 kHz PCM lyd gennem sin DAC codec-sti.
Dette checkpoint har ingen reproducerbar offentlig resultattabel. Se det linkede udgivelsesmateriale for detaljer.
Official repository and model card - 2026
Officielle ZONOS2 ressourcer dokumenterer Apache-2.0-udgivelsen, flersproget TTS API, mere end 6 millioner timers træning i tale, højopløselig stemmekloning og 44.1 kHz PCM output.
Der er ikke angivet links til artikler.
Omfatter offentlige testresultater for modeller brugt her og andre steder. Som standard vises hele kildetabellen; betingelser og målinger kan også vælges til sammenligning. Resultater fra forskellige testbetingelser kan ikke sammenlignes direkte.
Kun resultater med verificeret offentlig inferenskode og tilhørende vægte vises, sammen med algoritmer uden trænede vægte. Lukkede tjenester, ikke offentliggjorte vægte og forsøgsudgaver uden verificeret sammenhæng udelades. Dette er ikke en rangliste over alle modeller.
Offentlige vægte dokumenterer ikke en fuldstændig open source-licens. Fold data ud for at se erklærede vægtlicenser og adgangsbetingelser. Manglende licenser markeres særskilt.
Den valgte model har intet verificeret, tilsvarende offentligt resultat og er ikke rangeret.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 6 / kilderækker 17
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
CosyVoice 3 · DiTAR · F5-TTS · FireRedTTS-2 · IndexTTS 2 · MegaTTS 3 · MiniMax-Speech · Qwen3-TTS · Seed-TTS · VibeVoice · dots.tts (MF-1step)
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | Params | test-en WER↓ / SIM↑ | test-zh WER↓ / SIM↑ | test-zh-hard WER↓ / SIM↑ | Avg WER↓ / SIM↑ |
|---|---|---|---|---|---|---|
| - | VoxCPM 2Offentlige vægte · Inferenskode | 2B | 1.84 / 75.3 | 0.97 / 79.5 | 8.13 / 75.3 | 3.65 / 76.7 |
| - | dots.tts (Pretrain) | 2B | 1.34 / 76.8 | 0.96 / 80.5 | 6.46 / 79.2 | 2.92 / 78.8 |
| - | dots.tts (SOAR) | 2B | 1.30 / 77.1 | 0.94 / 81.0 | 6.60 / 79.5 | 2.95 / 79.2 |
| - | dots.tts (MF, NFE=4)Offentlige vægte · Inferenskode | 2B | 1.29 / 76.2 | 0.94 / 80.0 | 6.60 / 78.5 | 2.94 / 78.2 |
| - | dots.tts (MF-2steps) | 2B | 1.64 / 76.4 | 1.00 / 80.4 | 6.43 / 78.5 | 3.02 / 78.4 |
| - | dots.tts (MF-2steps-STTS) | 2B | 1.41 / 75.3 | 1.04 / 79.2 | 7.83 / 76.9 | 3.43 / 77.1 |
Datasæt, versioner og betingelser holdes adskilt, også kilder uden godkendte rækker.
Installerbare 6 / kilderækker 17
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
CosyVoice 3 · DiTAR · F5-TTS · FireRedTTS-2 · IndexTTS 2 · MegaTTS 3 · MiniMax-Speech · Qwen3-TTS · Seed-TTS · VibeVoice · dots.tts (MF-1step)
Installerbare 4 / kilderækker 7
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
MiniMax · ElevenLabs · Fish-Audio S2
Installerbare 4 / kilderækker 7
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
CosyVoice 2 · CosyVoice 3 (1.5B) · Fish-Audio S2
Installerbare 4 / kilderækker 15
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
Gemini-2.5-Flash-TTS* · Zephyr · Gemini-2.5-Pro-TTS* · Zephyr · gpt-4o-audio-preview* · Ballad · gpt-4o-mini-tts* · Alloy · baseline: gpt-4o-mini-tts · Alloy · Qwen3-TTS · basic_ref_en · HumeAI* · — · Qwen3-TTS · Ryan · MiniMax/speech-02-hd* · EN-narr · 11Labs Multilingual v2* · Brian · F5-TTS · basic_ref_en
Installerbare 2 / kilderækker 25
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
GT · Seed-DiT · MaskGCT · E2 TTS · F5 TTS · F5R-TTS · ZipVoice · Seed-ICL · SparkTTS · FireRedTTS · Qwen2.5-Omni · Qwen2.5-Omni_RL · CosyVoice · CosyVoice2 · FireRedTTS-1S · CosyVoice3-1.5B · IndexTTS2 · DiTAR · MiniMax-Speech · VoxCPM · MOSS-TTS · Qwen3-TTS · CosyVoice3.5
Resultater gælder det angivne datasæt, mål og modelversion. Forskellige tests kan ikke sammenlignes direkte.
Tabellen viser kun modeller med offentlige vægte eller konfigurationer, som kan køres lokalt.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 6 / kilderækker 17
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
CosyVoice 3 · DiTAR · F5-TTS · FireRedTTS-2 · IndexTTS 2 · MegaTTS 3 · MiniMax-Speech · Qwen3-TTS · Seed-TTS · VibeVoice · dots.tts (MF-1step)
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | Params | test-en WER↓ / SIM↑ | test-zh WER↓ / SIM↑ | test-zh-hard WER↓ / SIM↑ | Avg WER↓ / SIM↑ |
|---|---|---|---|---|---|---|
| - | VoxCPM 2Offentlige vægte · Inferenskode | 2B | 1.84 / 75.3 | 0.97 / 79.5 | 8.13 / 75.3 | 3.65 / 76.7 |
| - | dots.tts (Pretrain) | 2B | 1.34 / 76.8 | 0.96 / 80.5 | 6.46 / 79.2 | 2.92 / 78.8 |
| - | dots.tts (SOAR) | 2B | 1.30 / 77.1 | 0.94 / 81.0 | 6.60 / 79.5 | 2.95 / 79.2 |
| - | dots.tts (MF, NFE=4)Offentlige vægte · Inferenskode | 2B | 1.29 / 76.2 | 0.94 / 80.0 | 6.60 / 78.5 | 2.94 / 78.2 |
| - | dots.tts (MF-2steps) | 2B | 1.64 / 76.4 | 1.00 / 80.4 | 6.43 / 78.5 | 3.02 / 78.4 |
| - | dots.tts (MF-2steps-STTS) | 2B | 1.41 / 75.3 | 1.04 / 79.2 | 7.83 / 76.9 | 3.43 / 77.1 |
Tabellen viser kun modeller med offentlige vægte eller konfigurationer, som kan køres lokalt.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 4 / kilderækker 7
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
MiniMax · ElevenLabs · Fish-Audio S2
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | Arabic↓ | Cantonese*↓ | Chinese↓ | Czech↓ | Dutch↓ | English↓ | Finnish↓ | French↓ | German↓ | Greek↓ | Hindi↓ | Indonesian↓ | Italian↓ | Japanese↓ | Korean↓ | Polish↓ | Portuguese↓ | Romanian↓ | Russian↓ | Spanish↓ | Thai↓ | Turkish↓ | Ukrainian↓ | Vietnamese↓ | Average↓ |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| - | VoxCPM 2Offentlige vægte · Inferenskode | 13.05 / 79.1 | 38.58 / 83.5 | 1.14 / 82.5 | 24.13 / 78.3 | 0.91 / 80.8 | 2.29 / 85.4 | 2.63 / 89.0 | 4.53 / 73.5 | 0.68 / 80.3 | 2.84 / 86.0 | 19.70 / 85.6 | 1.08 / 80.0 | 1.56 / 78.0 | 4.63 / 82.8 | 1.96 / 83.3 | 1.14 / 88.4 | 1.94 / 83.7 | 21.58 / 79.7 | 3.63 / 81.1 | 1.44 / 83.1 | 2.96 / 84.0 | 0.82 / 87.1 | 6.32 / 79.8 | 3.31 / 80.6 | 5.7 / 82.3 |
| - | dots.tts (Pre.) | 37.91 / 77.5 | 37.91 / 84.7 | 1.08 / 82.3 | 5.05 / 83.8 | 1.20 / 81.4 | 1.06 / 86.9 | 3.44 / 88.0 | 3.82 / 78.2 | 1.03 / 79.5 | 2.97 / 87.6 | 14.32 / 84.5 | 2.71 / 80.8 | 3.16 / 84.5 | 7.16 / 83.1 | 5.30 / 84.3 | 2.72 / 87.3 | 1.64 / 83.1 | 3.36 / 86.2 | 3.64 / 83.0 | 0.96 / 83.9 | 7.45 / 83.8 | 5.45 / 87.4 | 1.61 / 80.5 | 3.85 / 80.7 | 6.6 / 83.5 |
| - | dots.tts (SOAR) | 36.19 / 79.1 | 42.32 / 85.0 | 0.77 / 82.5 | 4.25 / 84.2 | 1.39 / 82.2 | 1.03 / 87.5 | 4.08 / 88.3 | 3.56 / 78.6 | 1.70 / 80.6 | 3.00 / 87.6 | 14.24 / 84.7 | 2.96 / 80.8 | 3.12 / 84.7 | 5.28 / 83.7 | 5.66 / 83.6 | 3.59 / 87.8 | 2.00 / 84.3 | 3.87 / 87.1 | 4.28 / 83.2 | 1.27 / 84.0 | 7.86 / 83.9 | 4.96 / 87.3 | 1.27 / 81.2 | 3.89 / 81.6 | 6.8 / 83.9 |
| - | dots.tts (MF$_4$)Offentlige vægte · Inferenskode | 39.65 / 77.6 | 37.82 / 84.0 | 1.01 / 81.8 | 5.67 / 83.9 | 1.30 / 82.1 | 1.09 / 86.9 | 3.61 / 88.3 | 3.26 / 78.5 | 0.91 / 79.5 | 3.19 / 87.3 | 14.75 / 84.8 | 3.91 / 81.2 | 2.16 / 84.3 | 5.17 / 83.1 | 3.93 / 84.9 | 3.42 / 87.5 | 2.40 / 83.1 | 3.38 / 86.1 | 4.42 / 83.2 | 0.80 / 84.0 | 8.03 / 84.2 | 6.20 / 86.8 | 1.66 / 80.0 | 5.43 / 80.5 | 6.8 / 83.5 |
Tabellen viser kun modeller med offentlige vægte eller konfigurationer, som kan køres lokalt.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 4 / kilderækker 7
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
CosyVoice 2 · CosyVoice 3 (1.5B) · Fish-Audio S2
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | zh W↓ | en W↓ | hard-zh W↓ | hard-en W↓ | en→zh W↓ / S↑ | zh→en W↓ / S↑ |
|---|---|---|---|---|---|---|---|
| 1 | dots.tts (Pretrain) | 3.51 | 5.24 | 9.69 | 5.99 | 10.88 / 74.6 | 4.97 / 71.9 |
| 2 | VoxCPM 2Offentlige vægte · Inferenskode | 3.65 | 5.00 | 8.55 | 8.48 | - | - |
| 3 | dots.tts (SOAR) | 3.71 | 4.50 | 9.22 | 4.49 | 10.75 / 75.0 | 5.66 / 72.8 |
| 4 | dots.tts (MF, NFE=4)Offentlige vægte · Inferenskode | 3.95 | 4.05 | 9.10 | 4.37 | 10.73 / 73.8 | 5.24 / 70.9 |
Tabellen viser kun modeller med offentlige vægte eller konfigurationer, som kan køres lokalt.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 4 / kilderækker 15
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
Gemini-2.5-Flash-TTS* · Zephyr · Gemini-2.5-Pro-TTS* · Zephyr · gpt-4o-audio-preview* · Ballad · gpt-4o-mini-tts* · Alloy · baseline: gpt-4o-mini-tts · Alloy · Qwen3-TTS · basic_ref_en · HumeAI* · — · Qwen3-TTS · Ryan · MiniMax/speech-02-hd* · EN-narr · 11Labs Multilingual v2* · Brian · F5-TTS · basic_ref_en
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | Testbetingelse | WER↓ | Overall↑ | Emotions↑ | Paraling.↑ | Foreign↑ | C. Pron.↑ | Quest.↑ | Syntax↑ |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | dots.tts (Pretrain) | basic_ref_en | 10.86 | 49.2% | 72.7% | 54.7% | 39.5% | 18.0% | 48.4% | 58.4% |
| 2 | dots.tts (MF4)Offentlige vægte · Inferenskode | basic_ref_en | 11.75 | 47.9% | 59.8% | 55.2% | 36.3% | 16.7% | 50.5% | 64.8% |
| 3 | dots.tts (SOAR) | basic_ref_en | 10.45 | 47.6% | 63.9% | 52.7% | 39.4% | 16.4% | 47.0% | 65.7% |
| 4 | VoxCPM 2Offentlige vægte · Inferenskode | basic_ref_en | 11.84 | 41.1% | 42.3% | 44.1% | 33.3% | 18.6% | 53.4% | 52.3% |
Tabellen viser kun modeller med offentlige vægte eller konfigurationer, som kan køres lokalt.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 2 / kilderækker 25
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
GT · Seed-DiT · MaskGCT · E2 TTS · F5 TTS · F5R-TTS · ZipVoice · Seed-ICL · SparkTTS · FireRedTTS · Qwen2.5-Omni · Qwen2.5-Omni_RL · CosyVoice · CosyVoice2 · FireRedTTS-1S · CosyVoice3-1.5B · IndexTTS2 · DiTAR · MiniMax-Speech · VoxCPM · MOSS-TTS · Qwen3-TTS · CosyVoice3.5
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | ZH CER (%) ↓ | ZH SIM ↑ | EN WER (%) ↓ | EN SIM ↑ | ZH-Hard CER (%) ↓ | ZH-Hard SIM ↑ |
|---|---|---|---|---|---|---|---|
| 1 | LongCat-AudioDiT-3.5B | 1.09 | 0.818 | 1.50 | 0.786 | 6.04 | 0.797 |
| 2 | LongCat-AudioDiT-1B | 1.18 | 0.812 | 1.78 | 0.762 | 6.33 | 0.787 |
Find metoder og trin, der passer til dit materiale.