ZONOS2
Official repository and model card - 2026
Offisielle ZONOS2 ressurser dokumenterer Apache-2.0-utgivelsen, flerspråklig TTS API, mer enn 6 millioner timer med taletrening, høyoppløselig stemmekloning og 44.1 kHz PCM utdata.
Laster...
Innspill
Referer til stemmelyd pluss flerspråklig tekst for ZONOS2 stemmekloning TTS
Lydformater
Produksjon
Generer tale som WAV på 44,1 kHz
Bruksområde
Kortreferanse-fortelling, stemmetester og flerspråklige taleprøver
Oppgi verktøyets navn, trinnene og problemet i tilbakemeldingen. Skjermbilder kan hjelpe oss å finne feilen.
ZONOS2 Voice Cloning TTS genererer flerspråklig tale fra et kort reference voice klipp. TelkNet presenterer det som en serverside offisiell ZONOS2 deployment med høyeste kvalitet på standardinnstillingene og en enkel oppplasting-tekst-nedlastingsarbeidsflyt.
ZONOS2 er Zyphra Apache-2.0 8B total / 900M aktiv MoE TTS-modell for flerspråklig zero-shot voice cloning og 44.1 kHz PCM output.
ZONOS2 returnerer 44.1 kHz PCM lyd gjennom sin DAC kodek-sti.
Dette checkpointet har ingen reproduserbar offentlig resultattabell. Se det lenkede utgivelsesmaterialet for detaljer.
Official repository and model card - 2026
Offisielle ZONOS2 ressurser dokumenterer Apache-2.0-utgivelsen, flerspråklig TTS API, mer enn 6 millioner timer med taletrening, høyoppløselig stemmekloning og 44.1 kHz PCM utdata.
Det er ikke oppgitt lenker til artikler.
Omfatter offentlige testresultater for modeller som brukes her og andre steder. Hele kildetabellen vises som standard; betingelser og målinger kan også velges for sammenligning. Resultater fra ulike testbetingelser kan ikke sammenlignes direkte.
Bare resultater med verifisert offentlig inferensimplementasjon og tilhørende vekter vises, sammen med algoritmer uten trente vekter. Lukkede tjenester, upubliserte vekter og ubekreftede forsøksversjoner utelates. Dette er ikke en rangering av alle modeller.
Offentlige vekter dokumenterer ikke en fullstendig åpen kildekodelisens. Utvid dataene for å se oppgitte vektlisenser og tilgangsvilkår. Manglende lisenser merkes separat.
Den valgte modellen har ikke noe bekreftet, tilsvarende offentlig resultat og har ikke fått en rangering.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 6 / kilderader 17
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn 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)
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | Params | test-en WER↓ / SIM↑ | test-zh WER↓ / SIM↑ | test-zh-hard WER↓ / SIM↑ | Avg WER↓ / SIM↑ |
|---|---|---|---|---|---|---|
| - | VoxCPM 2Offentlige vekter · Inferenskode | 2B | 1.84 / 75.3 | 0.97 / 79.5 | 8.13 / 75.3 | 3.65 / 76.7 |
| - | dots.tts (Pretrain)Offentlige vekter · Inferenskode | 2B | 1.34 / 76.8 | 0.96 / 80.5 | 6.46 / 79.2 | 2.92 / 78.8 |
| - | dots.tts (SOAR)Offentlige vekter · Inferenskode | 2B | 1.30 / 77.1 | 0.94 / 81.0 | 6.60 / 79.5 | 2.95 / 79.2 |
| - | dots.tts (MF, NFE=4)Offentlige vekter · 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 |
Datasett, versjoner og betingelser holdes atskilt, også kilder uten godkjente rader.
Installerbare 6 / kilderader 17
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn 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 / kilderader 7
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
MiniMax · ElevenLabs · Fish-Audio S2
Installerbare 4 / kilderader 7
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
CosyVoice 2 · CosyVoice 3 (1.5B) · Fish-Audio S2
Installerbare 4 / kilderader 15
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn 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 / kilderader 25
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn 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
Resultatene gjelder angitt datasett, målemetode og modellversjon. Ulike tester kan ikke sammenlignes direkte.
Tabellen viser bare modeller med offentlige vekter eller konfigurasjoner som kan kjøres lokalt.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 6 / kilderader 17
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn 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)
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | Params | test-en WER↓ / SIM↑ | test-zh WER↓ / SIM↑ | test-zh-hard WER↓ / SIM↑ | Avg WER↓ / SIM↑ |
|---|---|---|---|---|---|---|
| - | VoxCPM 2Offentlige vekter · Inferenskode | 2B | 1.84 / 75.3 | 0.97 / 79.5 | 8.13 / 75.3 | 3.65 / 76.7 |
| - | dots.tts (Pretrain)Offentlige vekter · Inferenskode | 2B | 1.34 / 76.8 | 0.96 / 80.5 | 6.46 / 79.2 | 2.92 / 78.8 |
| - | dots.tts (SOAR)Offentlige vekter · Inferenskode | 2B | 1.30 / 77.1 | 0.94 / 81.0 | 6.60 / 79.5 | 2.95 / 79.2 |
| - | dots.tts (MF, NFE=4)Offentlige vekter · 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 bare modeller med offentlige vekter eller konfigurasjoner som kan kjøres lokalt.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 4 / kilderader 7
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
MiniMax · ElevenLabs · Fish-Audio S2
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | 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 vekter · 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.)Offentlige vekter · Inferenskode | 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)Offentlige vekter · Inferenskode | 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 vekter · 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 bare modeller med offentlige vekter eller konfigurasjoner som kan kjøres lokalt.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 4 / kilderader 7
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
CosyVoice 2 · CosyVoice 3 (1.5B) · Fish-Audio S2
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | zh W↓ | en W↓ | hard-zh W↓ | hard-en W↓ | en→zh W↓ / S↑ | zh→en W↓ / S↑ |
|---|---|---|---|---|---|---|---|
| 1 | dots.tts (Pretrain)Offentlige vekter · Inferenskode | 3.51 | 5.24 | 9.69 | 5.99 | 10.88 / 74.6 | 4.97 / 71.9 |
| 2 | VoxCPM 2Offentlige vekter · Inferenskode | 3.65 | 5.00 | 8.55 | 8.48 | - | - |
| 3 | dots.tts (SOAR)Offentlige vekter · Inferenskode | 3.71 | 4.50 | 9.22 | 4.49 | 10.75 / 75.0 | 5.66 / 72.8 |
| 4 | dots.tts (MF, NFE=4)Offentlige vekter · Inferenskode | 3.95 | 4.05 | 9.10 | 4.37 | 10.73 / 73.8 | 5.24 / 70.9 |
Tabellen viser bare modeller med offentlige vekter eller konfigurasjoner som kan kjøres lokalt.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 4 / kilderader 15
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn 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
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | Testbetingelse | WER↓ | Overall↑ | Emotions↑ | Paraling.↑ | Foreign↑ | C. Pron.↑ | Quest.↑ | Syntax↑ |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | dots.tts (Pretrain)Offentlige vekter · Inferenskode | basic_ref_en | 10.86 | 49.2% | 72.7% | 54.7% | 39.5% | 18.0% | 48.4% | 58.4% |
| 2 | dots.tts (MF4)Offentlige vekter · Inferenskode | basic_ref_en | 11.75 | 47.9% | 59.8% | 55.2% | 36.3% | 16.7% | 50.5% | 64.8% |
| 3 | dots.tts (SOAR)Offentlige vekter · Inferenskode | basic_ref_en | 10.45 | 47.6% | 63.9% | 52.7% | 39.4% | 16.4% | 47.0% | 65.7% |
| 4 | VoxCPM 2Offentlige vekter · Inferenskode | basic_ref_en | 11.84 | 41.1% | 42.3% | 44.1% | 33.3% | 18.6% | 53.4% | 52.3% |
Tabellen viser bare modeller med offentlige vekter eller konfigurasjoner som kan kjøres lokalt.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 2 / kilderader 25
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn 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
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | 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 |
Finn metoder og trinn som passer materialet ditt.