ZONOS2
Official repository and model card - 2026
Офіційні ZONOS2 ресурси документують реліз Apache-2.0, багатомовне TTS API, понад 6 млн годин навчальної мови, високоякісне клонування голосу та 44.1 kHz PCM вихід.
Завантаження...
Вхідні дані
Посилання на голосове аудіо плюс багатомовний текст для ZONOS2 клонування голосу TTS
Аудіоформати
Вихід
Створення мовлення WAV із частотою 44,1 kHz
Кейс використання
Коротка озвучка, голосові тести та багатомовні зразки мовлення
У відгуку вкажіть інструмент, кроки та проблему. Знімки екрана допоможуть її знайти.
ZONOS2 Voice Cloning TTS генерує багатомовну мову з короткого reference voice кліпу. TelkNet подає його як офіційний серверний ZONOS2 deployment з найвищою якістю за замовчуванням і простим робочим процесом завантаження, завантаження тексту.
ZONOS2 є моделлю Apache-2.0 8B total / 900M активного MoE TTS від Zyphra для багатомовного zero-shot voice cloning та 44.1 kHz PCM виходу.
ZONOS2 повертає 44.1 kHz PCM аудіо через DAC кодек.
Для цього чекпойнта немає відтворюваної відкритої таблиці результатів. Подробиці є в матеріалах за посиланням.
Official repository and model card - 2026
Офіційні ZONOS2 ресурси документують реліз Apache-2.0, багатомовне TTS API, понад 6 млн годин навчальної мови, високоякісне клонування голосу та 44.1 kHz PCM вихід.
Посилання на публікації не надано.
Містить відкриті результати тестування моделей, що використовуються тут і поза сайтом. Типово показано повну таблицю джерела; для порівняння можна вибрати умови й метрики. Оцінки за різних умов тестування не можна порівнювати безпосередньо.
Показано лише записи з перевіреною публічною реалізацією інференсу та відповідними вагами, а також алгоритми без навчених ваг. Закриті сервіси, неопубліковані ваги та непідтверджені версії експериментів виключено. Це не загальний рейтинг усіх моделей.
Публічні ваги не підтверджують повної ліцензії відкритого коду. Розгорніть дані для перегляду заявлених ліцензій ваг і умов доступу. Відсутні ліцензії позначено окремо.
Для вибраної моделі немає перевіреного відповідного публічного результату, тому місце в рейтингу не присвоєно.
Виберіть набір даних, щоб побачити всі метрики кожної моделі. Рядки впорядковано за офіційним місцем або вибраною метрикою. Жирним виділено найкраще порівнюване значення кожного стовпця, включно з однаковими результатами. Різні протоколи оцінювання ранжуються окремо; відсутні оцінки позначено -.
Для розгортання 6 / початкових рядків 17
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
CosyVoice 3 · DiTAR · F5-TTS · FireRedTTS-2 · IndexTTS 2 · MegaTTS 3 · MiniMax-Speech · Qwen3-TTS · Seed-TTS · VibeVoice · dots.tts (MF-1step)
Значення взято з відкритого джерела за посиланням. Підписи рядків указують тестовий набір або контрольну точку; неопубліковані оцінки позначено знаком -.
| Місце за метрикою | Модель | Params | test-en WER↓ / SIM↑ | test-zh WER↓ / SIM↑ | test-zh-hard WER↓ / SIM↑ | Avg WER↓ / SIM↑ |
|---|---|---|---|---|---|---|
| - | VoxCPM 2Відкриті ваги · Код інференсу | 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) | 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 |
Набори даних, версії та умови розділено; збережено й джерела без допущених рядків.
Для розгортання 6 / початкових рядків 17
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
CosyVoice 3 · DiTAR · F5-TTS · FireRedTTS-2 · IndexTTS 2 · MegaTTS 3 · MiniMax-Speech · Qwen3-TTS · Seed-TTS · VibeVoice · dots.tts (MF-1step)
Для розгортання 4 / початкових рядків 7
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
MiniMax · ElevenLabs · Fish-Audio S2
Для розгортання 4 / початкових рядків 7
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
CosyVoice 2 · CosyVoice 3 (1.5B) · Fish-Audio S2
Для розгортання 4 / початкових рядків 15
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
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
Для розгортання 2 / початкових рядків 25
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
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
Оцінки стосуються вказаних даних, метрики й версії моделі. Різні тести не можна порівнювати безпосередньо.
У таблиці наведено лише моделі з відкритими вагами або конфігураціями, які можна запускати локально.
Виберіть набір даних, щоб побачити всі метрики кожної моделі. Рядки впорядковано за офіційним місцем або вибраною метрикою. Жирним виділено найкраще порівнюване значення кожного стовпця, включно з однаковими результатами. Різні протоколи оцінювання ранжуються окремо; відсутні оцінки позначено -.
Для розгортання 6 / початкових рядків 17
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
CosyVoice 3 · DiTAR · F5-TTS · FireRedTTS-2 · IndexTTS 2 · MegaTTS 3 · MiniMax-Speech · Qwen3-TTS · Seed-TTS · VibeVoice · dots.tts (MF-1step)
Значення взято з відкритого джерела за посиланням. Підписи рядків указують тестовий набір або контрольну точку; неопубліковані оцінки позначено знаком -.
| Місце за метрикою | Модель | Params | test-en WER↓ / SIM↑ | test-zh WER↓ / SIM↑ | test-zh-hard WER↓ / SIM↑ | Avg WER↓ / SIM↑ |
|---|---|---|---|---|---|---|
| - | VoxCPM 2Відкриті ваги · Код інференсу | 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) | 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 |
У таблиці наведено лише моделі з відкритими вагами або конфігураціями, які можна запускати локально.
Виберіть набір даних, щоб побачити всі метрики кожної моделі. Рядки впорядковано за офіційним місцем або вибраною метрикою. Жирним виділено найкраще порівнюване значення кожного стовпця, включно з однаковими результатами. Різні протоколи оцінювання ранжуються окремо; відсутні оцінки позначено -.
Для розгортання 4 / початкових рядків 7
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
MiniMax · ElevenLabs · Fish-Audio S2
Значення взято з відкритого джерела за посиланням. Підписи рядків указують тестовий набір або контрольну точку; неопубліковані оцінки позначено знаком -.
| Місце за метрикою | Модель | 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 2Відкриті ваги · Код інференсу | 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$_4$) | 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 |
У таблиці наведено лише моделі з відкритими вагами або конфігураціями, які можна запускати локально.
Виберіть набір даних, щоб побачити всі метрики кожної моделі. Рядки впорядковано за офіційним місцем або вибраною метрикою. Жирним виділено найкраще порівнюване значення кожного стовпця, включно з однаковими результатами. Різні протоколи оцінювання ранжуються окремо; відсутні оцінки позначено -.
Для розгортання 4 / початкових рядків 7
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
CosyVoice 2 · CosyVoice 3 (1.5B) · Fish-Audio S2
Значення взято з відкритого джерела за посиланням. Підписи рядків указують тестовий набір або контрольну точку; неопубліковані оцінки позначено знаком -.
| Місце за метрикою | Модель | 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 2Відкриті ваги · Код інференсу | 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) | 3.95 | 4.05 | 9.10 | 4.37 | 10.73 / 73.8 | 5.24 / 70.9 |
У таблиці наведено лише моделі з відкритими вагами або конфігураціями, які можна запускати локально.
Виберіть набір даних, щоб побачити всі метрики кожної моделі. Рядки впорядковано за офіційним місцем або вибраною метрикою. Жирним виділено найкраще порівнюване значення кожного стовпця, включно з однаковими результатами. Різні протоколи оцінювання ранжуються окремо; відсутні оцінки позначено -.
Для розгортання 4 / початкових рядків 15
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
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
Значення взято з відкритого джерела за посиланням. Підписи рядків указують тестовий набір або контрольну точку; неопубліковані оцінки позначено знаком -.
| Місце за метрикою | Модель | Умова тесту | 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) | 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 2Відкриті ваги · Код інференсу | basic_ref_en | 11.84 | 41.1% | 42.3% | 44.1% | 33.3% | 18.6% | 53.4% | 52.3% |
У таблиці наведено лише моделі з відкритими вагами або конфігураціями, які можна запускати локально.
Виберіть набір даних, щоб побачити всі метрики кожної моделі. Рядки впорядковано за офіційним місцем або вибраною метрикою. Жирним виділено найкраще порівнюване значення кожного стовпця, включно з однаковими результатами. Різні протоколи оцінювання ранжуються окремо; відсутні оцінки позначено -.
Для розгортання 2 / початкових рядків 25
Для цих експериментів не перевірено повний відкритий пакет інференсу. Інші ваги моделі з тією самою назвою не підходять.
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
Значення взято з відкритого джерела за посиланням. Підписи рядків указують тестовий набір або контрольну точку; неопубліковані оцінки позначено знаком -.
| Місце за метрикою | Модель | 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 |
Знайдіть способи обробки та кроки для свого матеріалу.